Escapes de caracteres em expressões regulares

  • Artigo
  • 4 minutos para o fim da leitura

A faixa invertida (\) em uma expressão regular indica um dos seguintes:

  • O caractere que segue é um caractere especial, conforme mostrado na tabela na seção a seguir. Por exemplo, \b é uma âncora que indica que uma correspondência da expressão regular deve começar em um limite de palavra, \t representa uma tabulação e \x020 representa um espaço.

  • Um caractere que, caso contrário, seria interpretado como um constructo de linguagem sem escape deve ser interpretado literalmente. Por exemplo, uma chave ({) inicia a definição de um quantificador, mas uma barra invertida seguida por uma chave (\{) indica que o mecanismo de expressão regular deve corresponder à chave. Da mesma forma, uma única barra invertida marca o início de um constructo de linguagem com escape, mas duas barras invertidas (\\) indicam que o mecanismo de expressão regular deve corresponder à barra invertida.

Observação

Escapes de caracteres são reconhecidos em padrões de expressão regulares, mas não em padrões de substituição.

Escapes de caracteres em .NET

A tabela a seguir lista os escapes de caracteres com suporte das expressões regulares em .NET.

Caractere ou sequência Descrição
Todos os caracteres, exceto pelos seguintes:

. $ ^ { [ ( | ) * + ? \		 Caracteres diferentes dos listados na coluna Caractere ou sequência não têm significado especial em expressões regulares; eles correspondem a si mesmos.

Os caracteres incluídos na coluna Caractere ou sequência são elementos especiais na linguagem de expressão regular. Para corresponder a eles em uma expressão regular, eles devem ser escapados ou incluídos em um grupo de caracteres positivos. Por exemplo, a expressão regular \$\d+ ou [$]\d+ corresponde a "$1200".
\a Corresponde a um caractere de sino (alarme), \u0007.
\b Em uma [character_group] de caracteres, corresponde a um backspace, \u0008. (Consulte Classes de Caracteres.) Fora de uma classe de caractere, \b é uma âncora que corresponde a um limite de palavra. (Confira Âncoras).
\t Corresponde a uma tabulação, \u0009.
\r Corresponde a um retorno de carro, \u000D. Observe que \r não é equivalente ao caractere de nova linha, \n.
\v Corresponde a uma tabulação vertical, \u000B.
\f Corresponde a um avanço de página, \u000C.
\n Corresponde a uma nova linha, \u000A.
\e Corresponde a um escape, \u001B.
\Nnn Corresponde a um caractere ASCII, em que nnn consiste em dois ou três dígitos que representam o código de caractere octal. Por exemplo, \040 representa um caractere de espaço. Esse constructo é interpretado como referência inversa se tiver apenas um dígito (por exemplo, \2) ou se corresponder ao número de um grupo de captura. (Confira Constructos de referência inversa).
\xNn Corresponde a um caractere ASCII, em que nn é um código de caractere hexadecimal com dois dígitos.
\cX Corresponde a um caractere de controle ASCII, em que X é a letra do caractere de controle. Por exemplo, \cC é CTRL-C.
\unnnn Corresponde a uma unidade de código UTF-16 cujo valor é nnnn hexadecimal. Nota: Não há suporte para o escape de caracteres Perl 5 usado para especificar Unicode no .NET. O escape de caracteres Perl 5 tem o formato \x{####…}, em ####… que é uma série de dígitos hexadecimais. Em vez disso, use \unnnn.
\ Quando seguido por um caractere que não é reconhecido como um caractere com escape, corresponde a esse caractere. Por exemplo, \* corresponde a um asterisco (*) e é igual a \x2A.

Um Exemplo

O exemplo a seguir ilustra o uso de escapes de caracteres em uma expressão regular. Ele analisa uma cadeia de caracteres que contém os nomes das maiores cidades do mundo e suas populações em 2009. Cada nome de cidade é separado de sua população por uma guia (\t) ou uma barra vertical (| ou \u007c). Cidades individuais e suas populações são separadas umas das outras por um retorno de carro e uma alimentação de linha.

using System;
using System.Text.RegularExpressions;

public class Example
{
   public static void Main()
   {
      string delimited = @"\G(.+)[\t\u007c](.+)\r?\n";
      string input = "Mumbai, India|13,922,125\t\n" +
                            "Shanghai, China\t13,831,900\n" +
                            "Karachi, Pakistan|12,991,000\n" +
                            "Delhi, India\t12,259,230\n" +
                            "Istanbul, Turkey|11,372,613\n";
      Console.WriteLine("Population of the World's Largest Cities, 2009");
      Console.WriteLine();
      Console.WriteLine("{0,-20} {1,10}", "City", "Population");
      Console.WriteLine();
      foreach (Match match in Regex.Matches(input, delimited))
         Console.WriteLine("{0,-20} {1,10}", match.Groups[1].Value,
                                            match.Groups[2].Value);
   }
}
// The example displays the following output:
//       Population of the World's Largest Cities, 2009
//
//       City                 Population
//
//       Mumbai, India        13,922,125
//       Shanghai, China      13,831,900
//       Karachi, Pakistan    12,991,000
//       Delhi, India         12,259,230
//       Istanbul, Turkey     11,372,613

Imports System.Text.RegularExpressions

Module Example
    Public Sub Main()
        Dim delimited As String = "\G(.+)[\t\u007c](.+)\r?\n"
        Dim input As String = "Mumbai, India|13,922,125" + vbCrLf + _
                              "Shanghai, China" + vbTab + "13,831,900" + vbCrLf + _
                              "Karachi, Pakistan|12,991,000" + vbCrLf + _
                              "Delhi, India" + vbTab + "12,259,230" + vbCrLf + _
                              "Istanbul, Turkey|11,372,613" + vbCrLf
        Console.WriteLine("Population of the World's Largest Cities, 2009")
        Console.WriteLine()
        Console.WriteLine("{0,-20} {1,10}", "City", "Population")
        Console.WriteLine()
        For Each match As Match In Regex.Matches(input, delimited)
            Console.WriteLine("{0,-20} {1,10}", match.Groups(1).Value, _
                                               match.Groups(2).Value)
        Next
    End Sub
End Module
' The example displays the following output:
'       Population of the World's Largest Cities, 2009
'       
'       City                 Population
'       
'       Mumbai, India        13,922,125
'       Shanghai, China      13,831,900
'       Karachi, Pakistan    12,991,000
'       Delhi, India         12,259,230
'       Istanbul, Turkey     11,372,613

A expressão regular \G(.+)[\t\u007c](.+)\r?\n é interpretada conforme mostrado na tabela a seguir.

Padrão Descrição
\G Inicia a correspondência onde a última correspondência terminou.
(.+) Corresponde qualquer caractere uma ou mais vezes. Este é o primeiro grupo de captura.
[\t\u007c] Corresponder a uma guia (\t) ou a uma barra vertical (|).
(.+) Corresponde qualquer caractere uma ou mais vezes. Este é o segundo grupo de captura.
\r?\n Corresponde a zero ou uma ocorrência de um retorno de carro, seguida por uma nova linha.

Confira também