Testador de expressões regulares

O que faz cada uma das quatro flags

Com g desligada, só a primeira ocorrência é encontrada. Ligue para contar ocorrências ou substituir todas.

i ignora maiúsculas e minúsculas. m faz ^ e $ valerem por linha em vez de valerem para a string inteira, que é o necessário ao recortar começos de linha num log.

s deixa . casar também com a quebra de linha. Por padrão o ponto pula as quebras, então um bloco espalhado por várias linhas precisa dessa flag para ser pego inteiro.

Peças que vale decorar

• \d dígitos, \w letras, dígitos e sublinhado, \s espaços. Em maiúscula (\D \W \S) significam o contrário.
• + um ou mais, * nenhum ou mais, ? opcional, {2,4} de duas a quatro vezes.
• ^ começo, $ fim, \b fronteira de palavra.
• (...) captura e aparece no resultado; (?:...) agrupa sem capturar.
• (?<nome>...) dá nome ao grupo para lê-lo por nome em vez de por número.

Guloso contra preguiçoso

.* avança o quanto der e depois recua. Em <b>um</b><b>dois</b>, o padrão <b>.*</b> engole tudo como uma única ocorrência.

Acrescentando ? para formar <b>.*?</b>, ele para na primeira oportunidade e saem duas ocorrências. Para o que está dentro de tags ou aspas, a versão preguiçosa costuma ser a certa.

Por que isso roda numa thread separada

Quantificadores aninhados podem explodir uma expressão. Dê ao (a+)+b uma sequência de trinta caracteres a e o motor tenta todas as maneiras de reparti-los, então o trabalho cresce em ordens de grandeza. Uma entrada minúscula o ocupa por minutos.

Esta ferramenta avalia o padrão numa thread própria e mata essa thread inteira depois de um segundo. Não há como interromper no meio, porque tudo acontece dentro de uma única chamada. É por isso que uma expressão descontrolada aqui deixa a página funcionando.

O mesmo comportamento num servidor prende uma requisição. Se a entrada do usuário chega a uma expressão regular no seu código, quantificadores aninhados são a primeira coisa a procurar.

A sintaxe muda de linguagem para linguagem

O que roda aqui é a variante do JavaScript. O lookbehind ((?<=...)) funciona nos navegadores atuais, mas recursos exclusivos do PCRE, como recursão e grupos atômicos, não existem.

Python escreve grupos nomeados como (?P<nome>...), e Java precisa escapar as barras invertidas mais uma vez dentro de uma string. Traduza a notação ao levar daqui um padrão já ajustado.