🐧 Expressões Regulares

Professor Júlio Cezar Neves Aula

É um método formal de se especificar um padão de texto Mareiras de procucar, alterar e/ou modelar um texto

Metacaracteres

Grupo	Meta	Mnemônico	Obs
Representantes	.	ponto	Qualquer caracter.
representa um ou	[ ]	lista	Apenas o que coincidir. Não existe coringa
mais caracteres	[^]	lista negada	Inverte a lógica
Quantificadores	?	opcional	O caractere ou lista anterior ficam opcionais
"	*	asterisco	A entidade anterior apareça em qualquer quantidade. De 0 a ∞
"	+	mais	A entidade anterior aparece de 1 a ∞. no grep usar opção -E
"	{ }	chaves	{n} n vezes. {n,m} de n até m vezes.
Âncoras	^	circunflexo	Início da linha. Dentro da lista é negação.
"	$	cifrão	Fim da linha
"	\b	borda	Limítrofe da expressão. Sinal '<>' também é usado
Outros	\	escape	Criptonita. Tira o poder dos demais metacaracteres
"	|	ou	Pode ter mais de um valor
"	( )	grupo	Aceita subgrupo. Ex.: ((su|hi)per)?mercado -> supermercado, hipermercado ou mercado
"	\n	retrovisor	\1...\9. Equivale ao q foi encontrado no Grupo

Classe POSIX

Respeita o idioma

$ grep -o \[[:lower:]] <<< ação
$ ação
$ grep -o [a-z] <<< ação
$ ao

classe POSIX	Similar	Significado
[:upper:]	[A-Z]	letras maiúsculas
[:lower:]	[a-z]	letras minúsculas
[:alpha:]	[A-Za-z]	maiúsculas/minúsculas
[:alnum:]	[A-Za-z0-9]	letras e números
[:digit:]	[0-9]	números
[:xdigit:]	[0-9A-Fa-f]	números hexadecimais
[:punct:]	[.,!?:...]	sinais de pontuação
[:blank:]	[ \t]	espaço e TAB
[:space:]	[ \t\n\r\f\v]	caracteres brancos
[:cntrl:]	-	caracteres de controle
[:graph:]	[^ \t\n\r\f\v]	caracteres imprimíveis
[:print:]	[^\t\n\r\f\v]	imprimíveis e o espaço

Sequência de escape (ou atalho de classe)

Escape	Significado
\s	Equivale espaços em branco, \r ou \t
\S	Negação do \s
\w	Equivale letra, digito, ou '_'
\W	Negação de \w
\d	Números - quando usando o grep com a opção -P (Perl)
\D	Negação de \d

Shell Script

#!/bin/bash

# transforma um arquivo padrão DOS para o formato Linux
# removendo CR - carriage return (^M)

# tr - modifica ou apaga caractere
# tee - mostra na tela e salva no arquivo
# test - integrado ao if pelo [] para testar argumentos

if [ -e ${1} ]
then
	echo Antes
	cat -A ${1}
	file ${1}
	echo Depois
	tr -d '\r' < ${1} | tee ${1}.lx | cat -A
	file ${1}.lx
else
	echo Arquivo não existe
fi

Control character

The control characters in ASCII still in common use include:

- 0 (null, NUL, \0, ^@), originally intended to be an ignored character, but now used by many programming languages including C to mark the end of a string.
- 7 (bell, BEL, \a, ^G), which may cause the device to emit a warning such as a bell or beep sound or the screen flashing.
- 8 (backspace, BS, \b, ^H), may overprint the previous character.
- 9 (horizontal tab, HT, \t, ^I), moves the printing position right to the next tab stop.
- 10 (line feed, LF, \n, ^J), moves the print head down one line, or to the left edge and down. Used as the end of line marker in most UNIX systems and variants.
- 11 (vertical tab, VT, \v, ^K), vertical tabulation.
- 12 (form feed, FF, \f, ^L), to cause a printer to eject paper to the top of the next page, or a video terminal to clear the screen.
- 13 (carriage return, CR, \r, ^M), moves the printing position to the start of the line, allowing overprinting. Used as the end of line marker in Classic Mac OS, OS-9, FLEX (and variants). A CR+LF pair is used by CP/M-80 and its derivatives including DOS and Windows, and by Application Layer protocols such as FTP, SMTP, and HTTP.
- 26 (Control-Z, SUB, EOF, ^Z). Acts as an end-of-file for the Windows text-mode file i/o.
- 27 (escape, ESC, \e (GCC only), ^[). Introduces an escape sequence.

Lista Negada

Possui a lógica inversa quando o circunflexo (^) é colocado no incício da lista.
Ex.: [^0-9] equivale a tudo menos os números.