Chatbot regular

Expressões regulares

Expressões regulares (regexes) são sequências de caracteres que especificam um padrão de busca em um texto.

Aprender a sintaxe de expressões regulares está além do escopo deste tópico. Vamos nos concentrar nas expressões que o jq oferece para usar regexes.

Variante de regex

Ferramentas diferentes implementam versões diferentes de expressões regulares. O jq incorpora a biblioteca de regex Oniguruma, que é amplamente compatível com as regexes do Perl v5.8.

A sintaxe específica usada pelo jq pode ser encontrada no repositório do Oniguruma no GitHub.

Funções de regex

As expressões regulares no jq se limitam a um conjunto de filtros.

Correspondência simples

Quando você precisa saber se uma string corresponde a um padrão, use o filtro test.

STRING | test(REGEX)
STRING | test(REGEX; FLAGS)
STRING | test([REGEX, FLAGS])

Esse filtro gera um resultado boolean.

"Hello World!" | test("W")    # => true
"Goodbye Mars" | test("W")    # => false

Informações sobre a correspondência

Quando você precisa extrair a substring que de fato correspondeu ao padrão, use o filtro match.

STRING | match(REGEX)
STRING | match(REGEX; FLAGS)
STRING | match([REGEX, FLAGS])

Esse filtro gera:

• nada, se não houve correspondência, ou
• um objeto contendo várias propriedades, se houve correspondência.

Este exemplo procura duas vogais consecutivas idênticas usando a sintaxe de retro-referência, \1.

"Hello World!" | match("([aeiou])\\1")
# => empty

"Goodbye Mars" | match("([aeiou])\\1")
# => {
#      "offset": 1,
#      "length": 2,
#      "string": "oo",
#      "captures": [
#        {
#          "offset": 1,
#          "length": 1,
#          "string": "o",
#          "name": null
#        }
#      ]
#    }

O filtro match retorna um objeto para cada correspondência. Este exemplo mostra a flag "g" em ação para encontrar todas as vogais.

"Goodbye Mars" | match("[aeiou]"; "g")
# => { "offset": 1, "length": 1, "string": "o", "captures": [] }
#    { "offset": 2, "length": 1, "string": "o", "captures": [] }
#    { "offset": 6, "length": 1, "string": "e", "captures": [] }
#    { "offset": 9, "length": 1, "string": "a", "captures": [] }

Substrings capturadas

Semelhante ao filtro match, o filtro capture retorna um objeto se houve correspondência.

STRING | capture(REGEX)
STRING | capture(REGEX; FLAGS)
STRING | capture([REGEX, FLAGS])

O objeto retornado é um mapeamento das capturas nomeadas.

"JIRAISSUE-1234" | capture("(?<project>\\w+)-(?<issue_num>\\d+)")
# => {
#      "project": "JIRAISSUE",
#      "issue_num": "1234"
#    }

Apenas as substrings

O filtro scan é semelhante ao match com a flag "g".

STRING | scan(REGEX)
STRING | scan(REGEX; FLAGS)

O scan gera um fluxo de substrings.

"Goodbye Mars" | scan("[aeiou]")
# => "o"
#    "o"
#    "e"
#    "a"

Use o construtor de array [...] para capturar as substrings.

"Goodbye Mars" | [ scan("[aeiou]") ]
# => ["o", "o", "e", "a"]

Dividindo uma string

Se você sabe quais partes da string quer manter, use match ou scan. Se você sabe quais partes quer descartar, use split.

STRING | split(REGEX; FLAGS)

Um exemplo que divide uma string em espaços em branco arbitrários.

"first   second           third fourth" | split("\\s+"; "")
# => ["first", "second", "third", "fourth"]

Substituições

Os filtros sub e gsub podem transformar a string de entrada, substituindo as partes correspondentes da entrada por uma string de substituição.

Para substituir apenas a primeira correspondência, use sub. Para substituir todas as correspondências, use gsub.

STRING | sub(REGEX; REPLACEMENT)
STRING | sub(REGEX; REPLACEMENT; FLAGS)
STRING | gsub(REGEX; REPLACEMENT)
STRING | gsub(REGEX; REPLACEMENT; FLAGS)

"Goodnight kittens. Goodnight mittens." | sub("night"; " morning")
# => "Good morning kittens. Goodnight mittens."

"Goodnight kittens. Goodnight mittens." | gsub("night"; " morning")
# => "Good morning kittens. Good morning mittens."

O texto de substituição pode se referir às substrings correspondentes; use capturas nomeadas e interpolação de strings.

"Some 3-letter acronyms: gnu, csv, png"
| gsub( "\\b(?<tla>[[:alpha:]]{3})\\b";     # find words 3 letters long
        "\(.tla | ascii_upcase)" )          # upper-case the match
# => "Some 3-letter acronyms: GNU, CSV, PNG"

Flags

Em todos os filtros acima, FLAGS é uma string composta de zero ou mais das flags compatíveis.

• g - Busca global (encontra todas as correspondências, não apenas a primeira)
• i - Busca sem diferenciar maiúsculas e minúsculas
• m - Modo multilinha ('.' corresponde a quebras de linha)
• n - Ignora correspondências vazias
• p - Os modos s e m são ativados
• s - Modo de linha única ('^' -> '\A', '$' -> '\Z')
• l - Encontra as correspondências mais longas possíveis
• x - Formato de regex estendido (ignora espaços em branco e comentários)

Por exemplo

"JIRAISSUE-1234" | capture("(?<project>\\w+)-(?<issue_num>\\d+)")

# or with Extended formatting

"JIRAISSUE-1234" | capture("
                     (?<project>   \\w+ )  # the Jira project
                     -                     # followed by a hyphen
                     (?<issue_num> \\d+ )  # followed by digits
                   "; "x")