Lista: a exigente [...]
Bem mais exigente que o ponto, a lista não casa com qualquer um. Ela sabe exatamente o que quer, e nada diferente daquilo, a lista casa com quem ela conhece.
Ela guarda dentro de si os caracteres permitidos para casar, então algo como [aeiou] limita nosso casamento a apenas letras vogais.
No exemplo anterior do ponto, sobre acentuação, tínhamos a ER n.o. Além dos casamentos desejados, ela é muito abrangente, e também casa coisas indesejáveis como neo, n-o, n5o e n o.
Para que nossa ER fique mais específica, trocamos o ponto pela lista, para casar apenas o não e nao desejados, veja:
n[ãa]o
E assim como o n.o, todos os outros exemplos anteriores do ponto casam muito mais que o desejado, justo pela sua natureza "promíscua".
Por isso que nos exemplos tinha os três pontinhos ... no final?
Exatamente, eles indicam que havia mais possibilidades de casamento. Como o ponto casa com qualquer coisa, ele é nada específico. Então vamos impor limites às ERs:
n[ãa]o não, nao [Tt]eclado Teclado, teclado e[sx]tendido estendido, extendido 12[:. ]45 12:45, 12.45, 12 45 <[BIP]> <B>, <I>, <P>
Mas e aquele ponto na ER da hora, não casa com qualquer coisa?
Pegadinha! Não. Registre em algum canto de seu cérebro: dentro da lista, todo mundo é normal. Repetindo: dentro da lista, todo mundo é normal. Então aquele ponto é simplesmente um ponto normal e não um metacaractere.
No exemplo de marcação <[BIP]>, vemos que as ERs são sensíveis a maiúsculas e minúsculas, então se quisermos mais possibilidades, basta incluí-las:
<[BIPbip]> <B>, <I>, <P>, <b>, <i>, <p>
Intervalos em listas
Por enquanto, vimos então que a lista abriga todos os caracteres permitidos em uma posição. Como seria uma lista que dissesse que numa determinada posição poderia haver apenas números?
Peraí que essa eu sei... deixa ver... [0123456789]. Acertei?
Sim! Então para casar uma hora, qualquer que ela seja, fica como? Lembre que o formato é hh:mm.
Tá. [0123456789][0123456789]:[0123 - Argh! QUE SACO!
Pois é! Assim também pensaram nossos ilustres criadores das ERs, e, para evitar esse tipo de listagem extensa, temos somente dentro da lista o conceito de intervalo.
Lembra, que eu disse para você memorizar que dentro da lista, todo mundo é normal? Pois é, aqui temos a primeira exceção à regra. Todo mundo, fora o traço. Se tivermos um traço (-) entre dois caracteres, isso representa todo o intervalo entre eles.
Não entendeu? É assim, olhe:
[0123456789] é igual a [0-9]
É simples assim. Aquele tracinho indica um intervalo, então 0-9 se lê: "de zero a nove".
Voltando a nossa ER da hora, poderíamos fazer [0-9][0-9]:[0-9][0-9], mas veja que não é específico o bastante, pois permite uma hora como 99:99, que não existe. Como poderíamos fazer uma ER que case no máximo 23 horas e 59 minutos?
Calma lá... [012][0-9]:[0-5][0-9]. Quase, só que tá pegando 29 horas...
Excelente! Com o que aprendemos até agora, esse é o máximo de precisão que conseguimos. Mais adiante, quem poderá nos ajudar será o ou. Depois voltamos a esse problema.
Esse intervalo funciona só para números? Algo como a-z também existe?
Era isso que eu ia falar agora. Sim, qualquer intervalo é válido, como a-z, A-Z, 5-9, a-f, :-@, etc.
De : até @?
Sim. Por exemplo, se eu quiser uma lista que case apenas letras maiúsculas, minúsculas e números: [A-Za-z0-9].
Sério, intervalo de : até @?
Sim. Ah! E tem uma pegadinha. Como o traço é especial dentro da lista, como fazer quando você quiser colocar na lista um traço literal?
Sei lá, eu queria saber sobre o intervalo do arroba...
Espere um pouco. Basta colocar o traço no final da lista, assim [0-9-] casa números ou um traço. E tem os colchetes, que são os delimitadores da lista. Como incluí-los dentro dela?
O colchete que abre não tem problema, pode colocá-lo em qualquer lugar na lista, pois ela já está aberta mesmo e não se pode ter uma lista dentro da outra.
O colchete que fecha deve ser colocado no começo da lista, ser o primeiro item dela, para não confundir com o colchete que termina a lista. Então []-] casa um ] ou um -.
Vamos juntar tudo e fazer uma lista que case ambos os colchetes e o traço: [][-]. Calma. Pare, pense, respire fundo, encare esta ER. Vamos lê-la um por um: o primeiro [ significa que é o começo de uma lista, já dentro da lista, temos um ] literal, seguido de um [ literal, seguido de um - literal, e por último o ] que termina a lista. Intuitivo, não? &:)
Tá, confundi tudo, mas que diabos tem entre o : e o @???
Tudo bem, você venceu. Nesse intervalo tem : ; < = > ? @. Como saber isso? Os intervalos respeitam a ordem numérica da tabela ASCII, então basta tê-la em mãos para ver que um intervalo como A-z não pega somente as maiúsculas e minúsculas como era de se esperar.
Para sua comodidade, a tabela está no fim do guia, e nela podemos ver que A-z pega também "[\]^_`" e não pega os caracteres acentuados como "áéóõç". Infelizmente, não há um intervalo válido para pegarmos todos os caracteres acentuados de uma vez. Mas já já veremos a solução...
Não use o intervaloA-z, prefiraA-Za-z
Dominando caracteres acentuados (POSIX)
Como para nós brasileiros se a-z não casar letras acentuadas não serve para muita coisa, temos uns curingas somente para usar em listas que são uma mão na roda. Duas até.
Eles são chamados de classes de caracteres POSIX. São grupos definidos por tipo, e POSIX é um padrão internacional que define esse tipo de regra, como será sua sintaxe, etc. Falando em sintaxe, aqui estão as classes:
classe POSIX similar significa ----------------------------------------- [: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
Note que os colchetes fazem parte da classe e não são os mesmos colchetes da lista. Para dizer maiúsculas, fica [[:upper:]], ou seja um [:upper:] dentro de uma lista [].
O [[:upper:]] é uma classe POSIX dentro de uma lista.
Então, em uma primeira olhada, [:upper:] é o mesmo que A-Z, letras maiúsculas. Mas a diferença é que essas classes POSIX levam em conta a localidade do sistema.
Atenção para essa diferença, pois a literatura na língua inglesa sempre fala sobre esse assunto muito superficialmente, pois eles não utilizam acentuação e deve ser às vezes até difícil para quem está escrevendo o documento entender isso.
Como nossa situação é inversa, e nossa língua é rica em caracteres acentuados, entender essa diferença é de suma importância.
Como estamos no Brasil, geralmente nossas máquinas estão configuradas como tal, usando números no formato nnn.nnn,nn, a data é no formato dd/mm/aaaa, medidas de distância são em centímetros e outras coisinhas que são diferentes nos demais países.
Entre outros, também está definido que áéíóú são caracteres válidos em nosso alfabeto, bem como ÁÉÍÓÚ.
Então, toda essa volta foi para dizer que o [:upper:] leva isso em conta e inclui as letras acentuadas também na lista. O mesmo para o [:lower:], o [:alpha:] e o [:alnum:].
Nos Estados Unidos, [[:upper:]] é igual a [A-Z]. No Brasil, [[:upper:]] é igual [A-ZÁÃÂÀÉÊÍÓÕÔÚÇ...]
Por isso para nós essas classes POSIX são importantíssimas, e sempre que você tiver de fazer ERs que procurarão em textos em português, prefira [:alpha:] em vez de A-Za-z, sempre.
Então refazendo a ER que casava maiúsculas, minúsculas e números, temos: [[:upper:][:lower:][:digit:]], ou melhor: [[:alpha:][:digit:]], ou melhor ainda: [[:alnum:]]. Todas são equivalentes.
Aaaaaaaah, chega de falar de lista!
Tudo bem, acabou (será?). Mas não se assuste, a lista é o único metacaractere que tem suas próprias regras, funcionando como uma minilinguagem dentro das expressões regulares.
Resumão
- A lista casa com quem ela conhece e tem suas próprias regras.
- Dentro da lista, todo mundo é normal.
- Dentro da lista, traço indica intervalo.
- Um
-literal deve ser o último item da lista. - Um
]literal deve ser o primeiro item da lista. - Os intervalos respeitam a tabela ASCII (não use A-z).
- [:classes POSIX:] incluem acentuação,
A-Znão.
