Localizar e substituir texto no Notepad ++ usando Regex – Expressão Regular

Nestes post vamos tentar passar algumas dicas de como usar Expressão Regular usando Notepad ++. No dia a dia é muito comum para desenvolvedores fazerem modificações em massa, e acaba sempre usando a ferramenta de forma manual. Nosso objetivo é torna mais fácil e rápido as alterações.

Alguns detalhes que você deve cuidar para utilizar a ferramenta Notepad ++

Em todos os exemplos, use Localizar e substituir (Ctrl + H) para substituir todas as correspondências pela string desejada ou (sem string).

Certifique-se de que o botão de opção ‘Expressão regular’ esteja definido.

Veja também: 10 exemplos de Expressão regular como usar no notepad ++

1. Removendo espaços em branco

Como remover no Notepad++ espaços em branco nos textos e códigos. Neste exemplo, substituímos os espaços em branco e as guias entre os pares de strings ‘> <‘

Veja o texto de Expressão Regular: https://rubular.com/r/GKTqfI34My78LT

Expressão de correspondência Regex: (Desative a quebra de linha para que você possa vê-la mesclada em uma linha)

>[ \t]<

• A expressão regular >[ \t]< procura por uma sequência específica de caracteres:
  1. Um caractere > seguido imediatamente por:
  2. Um espaço ( ) ou uma tabulação (\t), seguido imediatamente por:
  3. Um caractere <.

Em outras palavras, ela identifica padrões onde há um > seguido de um espaço ou tabulação, e depois um <.

No campo Substituir use:

><

2. Insira uma nova linha para cada linha de texto

Veja o teste na expressão regular: https://rubular.com/r/VSwfp0CvIV4RJO

Campo Localizar:

(.)$

• () : Os parênteses criam um grupo de captura . Isso significa que qualquer coisa que corresponda ao padrão dentro dos parênteses será “capturada” para uso posterior (no caso, na substituição).
• . : O ponto (.) é um caractere curinga na expressão regular. Ele corresponde a qualquer caractere único , exceto quebras de linha (por padrão).
• $ : O cifrão ($) é um âncora que corresponde ao final de uma linha . Ele indica que o padrão deve estar localizado exatamente no fim da linha.

Portanto, (.)$ significa: “Encontrar o último caractere de cada linha”.

Campo Substituir:

$1\n

• $1 : Refere-se ao primeiro grupo de captura (o que foi capturado pelos parênteses () na expressão regular). Neste caso, é o último caractere de cada linha.
• \n : Representa uma quebra de linha (newline). No Notepad++, \n insere uma nova linha após o caractere capturado.

Portanto, $1\n significa: “Substituir o último caractere da linha pelo próprio caractere seguido de uma quebra de linha”.

3. Removendo linhas em branco

Veja o teste na expressão regular: https://rubular.com/r/q09H3O3TBSKbWo

Campo Localizar:

^[ \t]*$\r?\n*

• ^ : Este símbolo é uma âncora que corresponde ao início de uma linha .
• [ \t]* :
  • [ \t]: É uma classe de caracteres que corresponde a espaços () ou tabulações (\t) .
  • *: É um quantificador que significa “zero ou mais ocorrências”. Portanto, [ \t]* corresponde a zero ou mais espaços ou tabulações.
• $ : Este símbolo é outra âncora que corresponde ao final de uma linha .
• \r?\n* :
  • \r?: Corresponde a um retorno de carro (\r) opcionalmente (o ? indica “zero ou uma ocorrência”).
  • \n*: Corresponde a zero ou mais quebras de linha (\n).

Portanto, ^[ \t]*$\r?\n* significa: “Uma linha que contém apenas espaços ou tabulações (ou nada) do início (^) ao fim ($) da linha, seguida por uma quebra de linha opcional (\r?\n*).”

Campo Substituir:

Ao substituir por “nada” (deixando o campo de substituição vazio), você está removendo completamente as linhas correspondentes .

4. Quebrar a lista separada por vírgula em linha

Substitua a vírgula de uma lista por uma quebra de linha.

Veja o teste de expressão regular: https://rubular.com/r/O0rTGd84xjQqhB

Campo Localizar:

,[ \t]+

,

• A vírgula (,) é um caractere literal. Ela corresponde exatamente ao caractere vírgula no texto.

[ \t]+

• [ \t] : É uma classe de caracteres que corresponde a espaços () ou tabulações (\t) .
• + : É um quantificador que significa “uma ou mais ocorrências”. Portanto, [ \t]+ corresponde a um ou mais espaços ou tabulações consecutivos .

Portanto, ,[ \t]+ significa: “Uma vírgula seguida de um ou mais espaços ou tabulações.”

Campo Substituir:

\n

• \n representa uma quebra de linha (newline). No Notepad++, isso insere uma nova linha no lugar do padrão encontrado.

Portanto, ao substituir ,[ \t]+ por \n, você está: Removendo a vírgula e os espaços/tabulações subsequentes. Inserindo uma quebra de linha no lugar.

5. Remova palavras duplicadas

Campo Localizar:

\b(\w+)\s+\1\b

• \b : É uma âncora de limite de palavra . Ela garante que a correspondência ocorra exatamente nos limites de uma palavra (ou seja, entre o início/fim de uma palavra e caracteres não alfanuméricos).
• (\w+) :
  • \w: Corresponde a qualquer caractere alfanumérico (letras, números ou sublinhados _).
  • +: Quantificador que significa “uma ou mais ocorrências”. Portanto, \w+ corresponde a uma palavra inteira.
  • (): Os parênteses criam um grupo de captura . Isso permite que a palavra correspondida seja referenciada posteriormente na expressão regular.
• \s+ :
  • \s: Corresponde a qualquer caractere de espaço em branco (espaços, tabulações, quebras de linha, etc.).
  • +: Quantificador que significa “uma ou mais ocorrências”. Portanto, \s+ corresponde a um ou mais espaços em branco.
• \1 :
  • \1: Refere-se ao primeiro grupo de captura (a palavra capturada por (\w+)). Isso garante que a segunda palavra seja igual à primeira.
• \b : Outra âncora de limite de palavra, garantindo que a correspondência termine exatamente no final da segunda palavra.

Portanto, \b(\w+)\s+\1\b significa: “Uma palavra seguida de um ou mais espaços e depois a mesma palavra novamente.”

Campo Substituir:

\1

• \1: Refere-se ao primeiro grupo de captura , ou seja, a palavra capturada pela expressão (\w+).

Portanto, ao substituir \b(\w+)\s+\1\b por \1, você está: Mantendo apenas a primeira ocorrência da palavra. Removendo a duplicação e os espaços subsequentes.

6. Deixar apenas a primeira palavra de cada linha

Campo Localizar:

^([^ \t]+).*

• ^ : É uma âncora que corresponde ao início da linha .
• ([^ \t]+) :
  • [ \t]: É uma classe de caracteres negada (devido ao ^ dentro dos colchetes) que corresponde a qualquer caractere que não seja um espaço ( ) ou tabulação (\t) .
  • +: Quantificador que significa “uma ou mais ocorrências”. Portanto, [^ \t]+ corresponde à sequência de caracteres contíguos que formam a primeira palavra da linha (ou seja, tudo até o primeiro espaço ou tabulação).
  • (): Os parênteses criam um grupo de captura . Isso permite que a primeira palavra seja referenciada posteriormente na substituição.
• .* :
  • .: Corresponde a qualquer caractere (exceto quebras de linha).
  • *: Quantificador que significa “zero ou mais ocorrências”. Portanto, .* corresponde ao restante da linha após a primeira palavra.

Portanto, ^([^ \t]+).* significa: “Do início da linha, capture a primeira palavra (sequência de caracteres sem espaços ou tabulações), e depois ignore todo o restante da linha.”

Campo Substituir:

\1

A mesma ação do item anterior.

7. Deixar apenas a última palavra de cada linha

Neste exemplo deixamos apenas a última palavra e colocamos entre aspas. bastas tirar as aspas no código do campo Substituir se não for necessário.

Campo Localizar:

(.* )(\w+)$

• (.*) :
  • .: Corresponde a qualquer caractere (exceto quebras de linha).
  • *: Quantificador que significa “zero ou mais ocorrências”. Portanto, .* corresponde a todo o conteúdo da linha até o último espaço .
  • (): Os parênteses criam um grupo de captura . Isso permite que todo o conteúdo antes do último espaço seja referenciado posteriormente (neste caso, como $1).
• (\w+)$ :
  • \w: Corresponde a qualquer caractere alfanumérico (letras, números ou sublinhados _).
  • +: Quantificador que significa “uma ou mais ocorrências”. Portanto, \w+ corresponde à última palavra da linha (sequência contígua de caracteres alfanuméricos).
  • $: É uma âncora que corresponde ao final da linha .
  • (): Os parênteses criam outro grupo de captura . Isso permite que a última palavra seja referenciada posteriormente (neste caso, como $2).

Portanto, (.* )(\w+)$ significa: “Capture todo o conteúdo da linha até o último espaço (grupo 1), e depois capture a última palavra da linha (grupo 2).”

Campo Substituir:

'$2'

• $2: Refere-se ao segundo grupo de captura , ou seja, a última palavra da linha capturada pela expressão (\w+)$.
• ': Adiciona aspas simples ao redor da última palavra.

Portanto, ao substituir (.* )(\w+)$ por '$2', você está: Ignorando todo o conteúdo da linha exceto a última palavra. Colocando a última palavra entre aspas simples.

8. Substitua todas as linhas duplicadas por uma única linha

Campo Localizar:

(?sm)(^[^\r\n]*)[\r\n](?=.*^\1)

• (?sm) :
  • s: Ativa o modo “single-line”, onde o ponto (.) corresponde a todos os caracteres , incluindo quebras de linha.
  • m: Ativa o modo “multi-line”, onde os âncoras ^ e $ correspondem ao início e fim de cada linha , e não apenas ao início e fim do texto inteiro.
• (^[^\r\n]*) :
  • ^: Âncora que corresponde ao início da linha .
  • [^\r\n]*: Corresponde a qualquer sequência de caracteres que não sejam quebras de linha (\r ou \n).
  • (): Os parênteses criam um grupo de captura . Isso permite que a linha inteira seja referenciada posteriormente (como $1).
• [\r\n] :
  • Corresponde à quebra de linha após a linha capturada. Pode ser \r\n (Windows), \n (Unix/Linux) ou \r (Mac antigo).
• (?=.*^\1) :
  • (?=...): É uma asserção lookahead (ou “lookahead positivo”). Ela verifica se algo existe à frente na string, mas não o consome.
  • .*: Corresponde a qualquer número de caracteres (incluindo quebras de linha, devido ao modo s).
  • ^: Âncora que corresponde ao início de uma linha .
  • \1: Refere-se ao primeiro grupo de captura , ou seja, a linha capturada anteriormente.

Portanto, (?sm)(^[^\r\n]*)[\r\n](?=.*^\1) significa: “Capture uma linha inteira (sem as quebras de linha) e sua quebra de linha subsequente, mas apenas se essa linha aparecer novamente mais adiante no texto.”

Campo Substituir:

(vazio)

• Ao substituir por “nada” (deixando o campo de substituição vazio), você está removendo completamente as linhas duplicadas encontradas pela regex.

9. Insira todo o texto em uma única linha (minificar o HTML no Notepad sem plugin)

Para quem gostaria de minificar o HTML usando o Notepad++ esta é uma grande dica de uso:

Depois de executado você pode usar o item 3 para limpar os espaços em excesso.

Campo Localizar:

\R

• \R: É um atalho especial no Notepad++ que corresponde a qualquer tipo de quebra de linha, independentemente do sistema operacional:
  • \r\n: Quebra de linha no formato Windows.
  • \n: Quebra de linha no formato Unix/Linux.
  • \r: Quebra de linha no formato Mac antigo.

Portanto, \R significa: “Qualquer tipo de quebra de linha.”

Campo Substituir:

(vazio)

10. Substitua a primeira linha no texto

https://rubular.com/r/CCDSaAMzkSLqdj

Campo Localizar:

\A.*

• \A :
  • É uma âncora que corresponde ao início absoluto do arquivo (antes de qualquer caractere, incluindo quebras de linha). Diferentemente de ^, que pode corresponder ao início de qualquer linha em modo multi-line, \A sempre se refere ao início do arquivo.
• .* :
  • .: Corresponde a qualquer caractere (exceto quebras de linha).
  • *: Quantificador que significa “zero ou mais ocorrências”. Portanto, .* corresponde a todos os caracteres na primeira linha, até o final dela.

Portanto, \A.* significa: “Do início do arquivo, capture toda a primeira linha.”

Campo Substituir:

(vazio)

11. Remova caracteres indesejados

Podemos querer remover todos os caracteres especiais e deixar letras e números. Para caracteres alfanuméricos, pontos finais, dois pontos/ponto, vírgula, espaços, tabulações, novas linhas, é melhor você testar antes de executar, utilize esta ferramenta:

https://rubular.com/r/WbMCcWymgmRv5S

No exemplo do link, tentei retirar apenas os caracteres < e >. Utilizei o escape ( contra barra \ ) para não pegar os caracteres que eu não queria retirar do código.

[^0-9a-zA-Z\;\:\.\=\"\-\'\$\#\%\\/\!\,\s\t\n]+

No final da expressão regular o \s – corresponde a qualquer caractere de espaço em branco; \t – indica o Tab; \n – indica quebra de linha. Você pode substituir os 3 por [:space:] (Corresponde a todos os caracteres de espaço em branco, incluindo espaços, tabulações e quebras de linha).

Para palavras com acentuação você pode usar à-úÀ-Ú

[^0-9a-zA-Zà-úÀ-Ú\;\:\.\=\"\-\'\$\#\%\\/\!\,\s\t\n]+

Na imagens abaixo é um exemplo de como retirar todos os caracteres especiais e deixar apenas letras e números.

Campo Localizar:

[^0-9a-zA-Z \t\n]+

• [^...] :
  • Os colchetes com o acento circunflexo (^) dentro criam uma classe de caracteres negada . Isso significa que a regex corresponde a qualquer caractere que NÃO esteja listado dentro dos colchetes .
• 0-9 :
  • Corresponde a qualquer dígito numérico de 0 a 9.
• a-zA-Z :
  • Corresponde a qualquer letra do alfabeto, tanto minúsculas (a-z) quanto maiúsculas (A-Z).
• (espaço):
  • Corresponde ao caractere de espaço literal.
• \t :
  • Corresponde ao caractere de tabulação horizontal.
• \n :
  • Corresponde à quebra de linha (newline).
• + :
  • Quantificador que significa “uma ou mais ocorrências”. Isso faz com que a regex capture sequências contíguas de caracteres que não sejam alfanuméricos, espaços, tabulações ou quebras de linha.

Portanto, [^0-9a-zA-Z \t\n]+ significa: “Uma ou mais ocorrências de qualquer caractere que NÃO seja um número, letra, espaço, tabulação ou quebra de linha.”

Campo Substituir: (Digite a tecla espaço para não deixar as palavras juntas)

(vazio)

12. Converter palavras para minúscula, exceto para siglas e abreviações

Podemos querer garantir que o texto seja convertido em letras minúsculas, exceto para acrônimos e abreviaturas que são mantidos em letras maiúsculas.

Campo Localizar:

\b(?![AZ]+\b)[a-zA-Z]+

• \b :
  • É uma âncora de limite de palavra . Ela garante que a correspondência ocorra exatamente nos limites de uma palavra (ou seja, entre o início/fim de uma palavra e caracteres não alfanuméricos).
• (?![A-Z]+\b) :
  • ?!: É uma asserção lookahead negativa . Ela verifica se algo não existe à frente na string.
  • [A-Z]+: Corresponde a uma ou mais letras maiúsculas consecutivas.
  • \b: Garante que a sequência de letras maiúsculas termine exatamente no limite de uma palavra.
  • Portanto, (?![A-Z]+\b) significa:
    • “Certifique-se de que a palavra atual não seja composta exclusivamente por letras maiúsculas .”
• [a-zA-Z]+ :
  • [a-zA-Z]: Corresponde a qualquer letra, tanto minúscula (a-z) quanto maiúscula (A-Z).
  • +: Quantificador que significa “uma ou mais ocorrências”. Portanto, [a-zA-Z]+ corresponde a uma palavra inteira composta por letras.

Portanto, \b(?![A-Z]+\b)[a-zA-Z]+ significa: “Uma palavra inteira (limitada por \b) que não seja composta exclusivamente por letras maiúsculas .”

Campo Substituir:

\L$0

• \L :
  • É um modificador que converte todos os caracteres subsequentes na substituição para letras minúsculas .
• $0 :
  • Refere-se à correspondência completa encontrada pela expressão regular (ou seja, a palavra inteira).

Portanto, \L$0 significa: “Converta a palavra inteira encontrada para letras minúsculas.”

Veja também: 10 exemplos de Expressão regular como usar no notepad ++

Entenda alguns caracteres usados na Expressão Regular:

\n
quebra de linha
\t
Tab
\d
Um dígito no intervalo de 0-9 (um número)
\D
Não é um dígito. Qualquer coisa que não seja um número (incluindo espaços).
\l
Uma letra minúscula.
OBSERVAÇÃO: isso retornará a “um caractere de palavra” se a opção de pesquisa “Match case” estiver desativada.
\L
Não é uma letra minúscula.
\u
Uma letra maiúscula.
\U
Não é uma letra maiúscula.
\w
Um caractere de palavra, que é uma letra, dígito ou sublinhado. Isso parece não depender do que o componente Scintilla considera como caracteres de palavras. O mesmo que [[:palavra:]].
\W
Não é um caractere de palavra.
\s
Um caractere de espaçamento: contagem de espaço, EOLs e tabulações.
\S
Não é um espaço.
\h
Espaçamento horizontal. Isso corresponde apenas ao espaço, tabulação e alimentação de linha.
\H
Não é espaço em branco horizontal.
\v
Espaço em branco vertical.
\V
Não é espaço em branco vertical
$
Aplica-se apenas ao caractere no final de uma linha. (ex. ‘!$’ substituiria todos os pontos de explicação no final de uma linha.)
^
Online aplica-se ao caractere no início de uma linha (ex. ‘^<p>’ substituiria qualquer ‘<p>’ no início de uma linha.)

Gostou do Assunto? Compartilhe com seus amigos!