Common regex library

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.

Stephen Kleene formalized regular expressions in 1951 in a seminal paper on finite automata and neural networks — at the time, the goal was to mathematically describe how electrical circuits and neurons could recognize patterns. The name regular expression comes from his notation for regular languages, the simplest type in the Chomsky hierarchy. The computational implementation began with Ken Thompson, the creator of Unix and cron: in 1968 he implemented regex in the QED editor at Bell Labs, then in the `ed` editor, and in 1973 `grep` appeared — whose name comes from the `ed` command `g/re/p`, meaning global, regular expression, print. It is impossible to use a Unix command line without encountering grep, and it remains one of the most-used tools by anyone who works with text and data.

The regex ecosystem has two main branches today: POSIX and PCRE. Henry Spencer wrote the first portable regex library in C in 1986, which became the basis of the POSIX standard. In 1997, Philip Hazel wrote PCRE — Perl Compatible Regular Expressions — as a reusable C library, because Perl 5's regex had become so powerful (named capture groups, lookahead, lookbehind, substitutions) that everyone wanted it. PHP, R, and Nginx in `location` directives use PCRE. Python uses its own `re` module, inspired by Perl but with subtle differences. JavaScript used its own engine until ECMAScript 2018, which finally added named capture groups and lookbehind — features Perl had for decades. Go took a radically different position: it uses RE2, which guarantees linear execution time by eliminating catastrophic backtracking, but that means no lookahead or lookbehind.

Regex is the kind of knowledge that looks like hieroglyphics when you first encounter it, but becomes almost addictive once you learn to read it fluently. The problem is that patterns written without comments are notoriously difficult to maintain — a complete IPv4 validation regex runs over 60 characters and is completely opaque without context. For that there are verbose mode flags in Python (`re.VERBOSE`) and `x` mode in Ruby and PCRE, which allow inline comments. This library gathers the most commonly used patterns in daily work — email, CPF, CNPJ, postal code, Brazilian and international phone, credit card, URL, IPv4, IPv6, date, time — with real test cases and ready-to-paste snippets for PHP, JavaScript, TypeScript, Python, Go, Java, and C#. Use them as a starting point: every system has its own validation rules, and a copied-and-pasted regex rarely covers all the edge cases you will encounter in production.

Stephen Kleene formalizó las expresiones regulares en 1951 en un artículo seminal sobre autómatas finitos y redes neuronales — en aquel momento, el objetivo era describir matemáticamente cómo los circuitos eléctricos y las neuronas podían reconocer patrones. El nombre expresión regular proviene de su notación para los lenguajes regulares, el tipo más simple en la jerarquía de Chomsky. La implementación computacional comenzó con Ken Thompson, el creador de Unix y del cron: en 1968 implementó regex en el editor QED de Bell Labs, luego en el editor `ed`, y en 1973 apareció el `grep` — cuyo nombre viene del comando de `ed` `g/re/p`, que significa global, expresión regular, imprimir. Es imposible usar una línea de comandos Unix sin encontrar grep, y sigue siendo una de las herramientas más usadas por cualquiera que trabaje con texto y datos.

El ecosistema de regex tiene dos ramas principales hoy: POSIX y PCRE. Henry Spencer escribió la primera biblioteca portable de regex en C en 1986, que se convirtió en la base del estándar POSIX. En 1997, Philip Hazel escribió PCRE — Perl Compatible Regular Expressions — como una biblioteca C reutilizable, porque el regex de Perl 5 se había vuelto tan poderoso (grupos de captura nombrados, lookahead, lookbehind, sustituciones) que todo el mundo lo quería. PHP, R y Nginx en las directivas `location` usan PCRE. Python usa su propio módulo `re`, inspirado en Perl pero con diferencias sutiles. JavaScript usaba su propio motor hasta ECMAScript 2018, que finalmente añadió grupos de captura nombrados y lookbehind — funcionalidades que Perl tenía desde hacía décadas. Go adoptó una posición radicalmente distinta: usa RE2, que garantiza tiempo de ejecución lineal eliminando el backtracking catastrófico, pero eso significa sin lookahead ni lookbehind.

El regex es ese tipo de conocimiento que parece jeroglíficos cuando lo encuentras por primera vez, pero se vuelve casi adictivo cuando aprendes a leerlo con fluidez. El problema es que los patrones escritos sin comentarios son notoriamente difíciles de mantener — un regex de validación de IPv4 completo supera los 60 caracteres y es completamente opaco sin contexto. Para eso existen las flags de modo verbose en Python (`re.VERBOSE`) y el modo `x` en Ruby y PCRE, que permiten comentarios en línea. Esta biblioteca reúne los patrones más usados en el día a día — correo electrónico, CPF, CNPJ, código postal, teléfono brasileño e internacional, tarjeta de crédito, URL, IPv4, IPv6, fecha, hora — con casos de prueba reales y snippets listos para PHP, JavaScript, TypeScript, Python, Go, Java y C#. Úsalos como punto de partida: cada sistema tiene sus propias reglas de validación, y un regex copiado sin revisión raramente cubre todos los casos extremos que encontrarás en producción.