Guia rápido de regex para iniciantes: os padrões que você realmente usa
As construções de regex que você realmente usa: classes, quantificadores, âncoras, grupos e flags, com padrões prontos para datas, e-mails, slugs e limpeza.
Atualizado
Uma expressão regular é um padrão que descreve um conjunto de strings. Você a usa para encontrar, validar ou substituir texto: \d{3}-\d{4} corresponde a um número de telefone como 555-1234, e ^\S+@\S+\.\S+$ é uma verificação aproximada de e-mail. Esta página cobre a dúzia de construções que resolvem quase todo trabalho do dia a dia, com exemplos que você pode colar direto em um testador.
Caracteres literais e o ponto
A maioria dos caracteres corresponde a si mesma: cat corresponde a cat dentro de concatenate. O ponto . corresponde a qualquer caractere único, exceto uma quebra de linha, então c.t corresponde a cat, cot e c3t. Para corresponder a um ponto literal, use escape: \.. Os caracteres que precisam de escape são . ^ $ * + ? ( ) [ ] { } | \ e, em algumas variantes, /.
Classes de caracteres
[abc]um entre a, b ou c[a-z]qualquer letra minúscula;[A-Za-z0-9]qualquer letra ou dígito ASCII[^0-9]qualquer coisa exceto um dígito (o circunflexo nega dentro dos colchetes)\ddígito, o mesmo que[0-9];\Dnão dígito\wcaractere de palavra,[A-Za-z0-9_];\Wnão palavra\sespaço em branco (espaço, tabulação, quebra de linha);\Snão espaço em branco
Dentro dos colchetes, a maioria dos metacaracteres perde o significado, então [.] é um ponto literal e [+*] corresponde a um sinal de mais ou a um asterisco.
Quantificadores
*zero ou mais:ab*corresponde aa,ab,abbb+um ou mais:ab+corresponde aab,abbb, mas não aa?zero ou um:colou?rcorresponde acolorecolour{3}exatamente três;{2,4}de dois a quatro;{2,}dois ou mais
Os quantificadores são gulosos por padrão: em <b>bold</b>, o padrão <.+> corresponde à string inteira, não apenas a <b>. Acrescente ? para torná-lo preguiçoso: <.+?> para no primeiro >. Melhor ainda, evite o ponto e diga o que você quer dizer: <[^>]+>.
Âncoras e limites
^início da string (ou da linha, com a flagm)$fim da string (ou da linha, comm)\blimite de palavra:\bcat\bcorresponde acat, mas não aconcatenate
Sem âncoras, uma regex de validação é quase inútil. \d{4} corresponde dentro de 12345; ^\d{4}$ só corresponde a exatamente quatro dígitos.
Grupos e alternância
Os parênteses agrupam e capturam. (\d{4})-(\d{2})-(\d{2}) em 2026-10-11 captura 2026, 10 e 11 como os grupos 1, 2 e 3. Dê nomes a eles com (?<year>\d{4}) e leia match.groups.year. Use (?:...) quando quiser agrupar sem capturar, o que mantém a numeração dos grupos organizada.
A barra vertical é a alternância: jpe?g|png|gif corresponde a qualquer um dos três. Agrupe-a quando ela estiver dentro de um padrão maior: \.(jpe?g|png|gif)$.
Flags
gglobal: encontra todas as correspondências, não só a primeiraiignora maiúsculas e minúsculas:/hello/icorresponde aHELLOmmultilinha:^e$correspondem em cada quebra de linhasdotall:.também corresponde a quebras de linha
O Testador de Regex aceita as quatro, destaca as correspondências em tempo real e lista cada grupo de captura, para você ver exatamente o que $1 conteria em uma substituição.
Padrões que você realmente vai usar
- Remover espaços das pontas: substitua
^\s+|\s+$por nada - Reduzir espaços múltiplos: substitua
\s{2,}por um único espaço - Extrair números:
-?\d+(\.\d+)?comg - Data ISO:
^\d{4}-\d{2}-\d{2}$ - Hora em formato 24 horas:
^([01]\d|2[0-3]):[0-5]\d$ - Cor hex:
^#(?:[0-9a-fA-F]{3}){1,2}$ - E-mail simples:
^[^\s@]+@[^\s@]+\.[^\s@]+$(bom o bastante para um formulário; a gramática real da RFC é muito maior) - ZIP dos EUA:
^\d{5}(-\d{4})?$ - Slug:
^[a-z0-9]+(?:-[a-z0-9]+)*$ - Remover tags HTML: substitua
<[^>]*>por nada (apenas para limpeza rápida, nunca para segurança) - Trocar nome e sobrenome de lugar: busque
^(\w+)\s+(\w+)$, substitua por$2, $1
Não faça parsing de HTML, JSON ou parênteses aninhados com regex. Essas gramáticas se aninham em profundidade arbitrária, e expressões regulares não sabem contar. Use um parser de verdade e deixe a regex para tokens planos e linhas.
Escape dentro de strings
Uma regex escrita dentro de uma string de JavaScript ou Python passa por escape duas vezes. O padrão \d+ vira "\\d+" em um literal de string normal, r"\d+" em uma raw string do Python, ou /\d+/ como literal do JavaScript. Esquecer isso transforma \b em um caractere de backspace, e o padrão para de corresponder sem avisar. Quando você precisar corresponder literalmente a uma entrada do usuário, aplique escape antes; a ferramenta de escape de strings tem um modo regex que acrescenta as barras invertidas para você.
Depurando um padrão que quase funciona
Reduza a entrada. Cole a única linha que falha, depois apague pedaços do padrão até ele corresponder e recoloque-os um de cada vez. Quando uma substituição com regex produz uma saída inesperada em um arquivo grande, passe o antes e o depois pelo Comparador de Diff para ver cada linha alterada; um quantificador guloso que engole demais normalmente aparece como uma única exclusão gigante.
Lembre-se de que as variantes diferem. JavaScript, PCRE (PHP e muitos editores), o re do Python, o RE2 do Go e o grep POSIX compartilham o básico desta página, mas divergem em lookbehind, quantificadores possessivos e classes Unicode. Teste no motor com que você vai publicar.
Mais ferramentas de processamento de texto e validação estão na categoria de desenvolvedor.
Experimente
Abra o Testador de Regex, cole uma amostra do texto com que você está trabalhando e monte o padrão pedaço por pedaço enquanto acompanha os destaques se atualizarem.