Biblioteca de Regex Comuns

Como usar Biblioteca de Regex Comuns

Stephen Kleene formalizou as expressões regulares em 1951 num paper seminal sobre autômatos finitos e redes neurais — na época, o objetivo era descrever matematicamente como circuitos elétricos e neurônios podiam reconhecer padrões. O nome expressão regular vem de sua notação de linguagens regulares, o tipo mais simples na hierarquia de Chomsky. A implementação computacional começou com Ken Thompson, o criador do Unix e do cron: em 1968 ele implementou regex no editor QED do Bell Labs, depois no editor `ed`, e em 1973 surgiu o `grep` — cujo nome vem do comando do `ed`: `g/re/p`, que significa global, expressão regular, imprimir. É impossível usar uma linha de comando Unix sem encontrar o grep, e ele continua sendo uma das ferramentas mais usadas por qualquer pessoa que trabalhe com texto e dados.

O ecossistema de regex tem dois galhos principais hoje: POSIX e PCRE. Henry Spencer escreveu a primeira biblioteca portável de regex em C em 1986, que virou a base do padrão POSIX. Em 1997, Philip Hazel escreveu a PCRE — Perl Compatible Regular Expressions — como uma biblioteca C reutilizável, porque o regex do Perl 5 tinha se tornado tão poderoso (grupos de captura nomeados, lookahead, lookbehind, substituições) que todo mundo queria ele. PHP, R e o Nginx nas diretivas de `location` usam PCRE. Python usa seu próprio módulo `re`, inspirado no Perl mas com diferenças sutis. O JavaScript usava seu próprio engine até o ECMAScript 2018, que finalmente adicionou grupos de captura nomeados e lookbehind — funcionalidades que o Perl tinha há décadas. Go adotou uma posição radicalmente diferente: usa RE2, que garante tempo linear de execução eliminando backtracking catastrófico, mas isso significa sem lookahead nem lookbehind.

Regex é aquele tipo de conhecimento que parece hieróglifos quando você encontra pela primeira vez, mas se torna quase viciante depois que aprende a ler com fluência. O problema é que padrões escritos sem comentários são notoriamente difíceis de manter — um regex de validação de IPv4 completo tem mais de 60 caracteres e é completamente opaco sem contexto. Para isso existem as flags de modo verbose no Python (`re.VERBOSE`) e o modo `x` no Ruby e PCRE, que permitem comentários inline. Esta biblioteca reúne os padrões mais usados no dia a dia — e-mail, CPF, CNPJ, CEP, telefone brasileiro e internacional, cartão de crédito, URL, IPv4, IPv6, data, hora — com casos de teste reais e snippets prontos para PHP, JavaScript, TypeScript, Python, Go, Java e C#. Use como ponto de partida: todo sistema tem suas próprias regras de validação, e um regex copiado sem revisão raramente cobre todos os casos de borda que você vai encontrar em produção.