Compreender expressões regulares (Regex) — Guia para iniciantes

As expressões regulares têm a reputação de parecer ruído aleatório. Um padrão como ^[\w.-]+@[\w-]+\.\w{2,}$ pode parecer que um gato andou sobre o teclado. Mas por detrás da sintaxe críptica esconde-se uma ideia notavelmente elegante: uma linguagem concisa para descrever padrões em texto.

Quer esteja a validar entradas de formulários, a pesquisar ficheiros de log, a limpar dados ou a fazer localizar e substituir num código inteiro, o regex é uma das ferramentas mais versáteis no kit de um programador. E não precisa de memorizar cada funcionalidade obscura para obter valor real. Um punhado de blocos de construção cobre a grande maioria dos casos práticos.

O que o regex realmente faz

Uma expressão regular (regex ou regexp) é um padrão que descreve um conjunto de cadeias de caracteres. Fornece-o a um motor de pesquisa — na sua linguagem de programação, editor de texto ou ferramenta de linha de comandos — e ele encontra todas as cadeias que correspondem.

Pense nisto como uma consulta de pesquisa melhorada:

• Pesquisa normal: encontrar a palavra exata "error"
• Pesquisa com regex: encontrar qualquer coisa que se pareça com um endereço IP, uma data, um endereço de email ou qualquer estrutura que consiga descrever

O regex foi inventado pelo matemático Stephen Kleene em 1956 e entrou na informática através dos editores de texto Unix nos anos 60. Hoje é suportado em praticamente todas as linguagens de programação e editores de texto.

Os blocos de construção

Caracteres literais

O regex mais simples é texto puro. O padrão hello corresponde à cadeia "hello" onde quer que apareça. Nada de especial.

O ponto (.) — qualquer carácter

Um ponto corresponde a qualquer carácter individual exceto uma quebra de linha.

• h.t corresponde a "hat", "hit", "hot", "h3t" e até "h t"

Classes de caracteres ([])

Os parênteses retos definem um conjunto de caracteres permitidos numa posição.

• [aeiou] — qualquer vogal
• [0-9] — qualquer dígito
• [A-Za-z] — qualquer letra
• [^0-9] — qualquer carácter que NÃO seja um dígito (o ^ dentro dos parênteses significa "não")

Classes abreviadas

Quantificadores — quantos

Os quantificadores controlam quantas vezes o elemento anterior deve aparecer.

Âncoras — posição

• ^ — início da cadeia (ou linha, com a flag m)
• $ — fim da cadeia (ou linha)
• \b — limite de palavra

O padrão ^\d{4}$ corresponde a uma cadeia que é exatamente quatro dígitos, como "2026", mas não a "abc2026" ou "2026xyz".

Grupos e alternância

• (abc) — captura "abc" como grupo
• a|b — corresponde a "a" ou "b"
• (cat|dog) — corresponde a "cat" ou "dog"

Os grupos também permitem aplicar quantificadores a sequências: (ha)+ corresponde a "ha", "haha", "hahaha".

Padrões práticos comuns

Validar um email (básico)

^[\w.-]+@[\w-]+\.\w{2,}$

Isto corresponde a user@example.com, first.last@company.co.uk (parcialmente) e rejeita cadeias sem @ ou domínio.

Corresponder um número de telefone

\+?\d{1,3}[-.\s]?\(?\d{1,4}\)?[-.\s]?\d{3,4}[-.\s]?\d{3,4}

Isto lida com formatos como +1 555 123 4567, 555-123-4567 e (555) 123-4567.

Corresponder um URL

https?://[\w.-]+(/[\w./?&=-]*)?

Corresponde a https://example.com, http://example.com/path?q=hello.

Corresponder uma data (AAAA-MM-DD)

\d{4}-\d{2}-\d{2}

Corresponde a 2026-03-29, 1999-12-31. Nota: isto verifica apenas o formato, não a validade — também corresponderia a 9999-99-99.

Flags que alteram o comportamento

A maioria dos motores regex suporta flags que modificam a forma como o padrão é aplicado:

Em JavaScript, as flags são adicionadas após a barra de fecho: /hello/gi. Em Python, são passadas como argumentos: re.findall(r"hello", text, re.IGNORECASE).

Quando o regex é excessivo

O regex é poderoso, mas nem sempre é a ferramenta certa:

• Analisar HTML ou XML. Use um parser DOM adequado. O regex não consegue lidar de forma fiável com etiquetas aninhadas.
• Analisar JSON. Use JSON.parse() ou equivalente. O regex vai falhar nos casos especiais.
• Validação complexa. Se o seu padrão se estende por múltiplas linhas e demora cinco minutos a ler, considere escrever código de validação procedural.
• Operações simples com strings. Se só precisa de startsWith(), includes() ou split(), os métodos de string simples são mais claros e rápidos.

Armadilhas comuns

1. Esquecer de escapar caracteres especiais. O ponto . corresponde a qualquer carácter. Para corresponder a um ponto literal, use \.. O mesmo para (, ), [, ], +, *, ?, {, }, ^, $, | e \.
2. Correspondência gananciosa vs preguiçosa. Por defeito, .* é ganancioso — corresponde o máximo possível. Adicione ? para o tornar preguiçoso: .*? corresponde o mínimo possível. Isto importa ao extrair conteúdo entre delimitadores.
3. Backtracking catastrófico. Quantificadores aninhados como (a+)+ podem fazer o motor tentar um número exponencial de caminhos em certas entradas, congelando o seu programa. Evite repetição aninhada em padrões sobrepostos.
4. Esquecer as âncoras. Sem ^ e $, o seu padrão corresponde a subcadeias. \d{3} encontra "123" dentro de "abc12345". Use ^\d{3}$ se precisa de uma correspondência exata.

Para saber mais

A melhor forma de aprender regex é experimentar. Escreva um padrão, cole algum texto de teste e veja o que fica destacado. Ajuste e itere até compreender como cada peça funciona.

• Como testar padrões Regex — tutorial interativo com exemplos
• Regex Tester — cole o seu padrão e dados de teste, veja as correspondências destacadas em tempo real