Os parênteses são onde a regex deixa de ser uma string de busca e passa a ser um pequeno parser. Eles agrupam subpadrões, capturam o que esses subpadrões corresponderam e — com um prefixo ? — mudam para modos especiais que afirmam em vez de consumir.

Grupos de captura

Envolva parte de um padrão em parênteses e você obtém um grupo de captura: o texto correspondido é reservado sob um número, contando os grupos da esquerda para a direita pelo parêntese de abertura. Em (\d{4})-(\d{2}), o grupo 1 captura o ano e o grupo 2 o mês, então contra 2026-06 você recebe 2026 e 06 separadamente. A captura é o que permite a uma ferramenta entregar a você as partes de uma correspondência, não apenas o todo.

Às vezes você quer apenas o agrupamento — para aplicar um quantificador a vários caracteres de uma vez — sem pagar por uma captura. Um grupo de não captura (?:...) faz exatamente isso. (?:ab)+ repete o par ab uma ou mais vezes, mas não cria nenhuma captura numerada, o que mantém seus números de grupo significativos e a correspondência um pouco mais enxuta.

Grupos nomeados

Contar parênteses fica frágil à medida que os padrões crescem. Um grupo nomeado (?<year>\d{4}) dá um rótulo à captura, então você lê year em vez de lembrar que era o grupo 1. Grupos nomeados são mais claros de manter e sobrevivem a edições que deslocariam posições numéricas. A maioria dos motores modernos, incluindo o JavaScript, oferece suporte a eles.

Retrorreferências

Uma retrorreferência corresponde ao mesmo texto que um grupo já capturou. \1 refere-se ao primeiro grupo; \k<year> refere-se a um grupo nomeado. É assim que você captura repetição: (\w+)\s+\1 encontra uma palavra duplicada como "the the", porque \1 precisa corresponder ao que (\w+) acabou de corresponder. Uma retrorreferência corresponde ao texto capturado, não ao padrão de novo — uma distinção sutil, mas importante.

Lookarounds: afirmar sem consumir

Um lookaround verifica que algo está ou não está por perto e então devolve a posição, de modo que os caracteres inspecionados continuam disponíveis para o resto do padrão. Há quatro:

  • (?=...) — lookahead positivo: seguido por. \d+(?= USD) corresponde a um número apenas quando USD vem em seguida, mas a correspondência em si são só os dígitos.
  • (?!...) — lookahead negativo: não seguido por.
  • (?<=...) — lookbehind positivo: precedido por. (?<=\$)\d+ corresponde a dígitos que ficam logo após um cifrão.
  • (?<!...) — lookbehind negativo: não precedido por.

Como os lookarounds não consomem nada, você pode empilhar vários em uma posição — um truque comum para regras de senha, em que cada regra ("contém um dígito", "contém uma letra maiúscula") vira seu próprio lookahead ancorado no início.

Uma palavra sobre alternância

A barra vertical | é alternância — qualquer um dos lados. Tem precedência muito baixa, então cat|dog significa "cat" ou "dog", mas ^cat|dog$ provavelmente não significa o que você espera; ela é lida como "começa com cat" ou "termina com dog". Envolva as alternativas em um grupo, ^(cat|dog)$, para delimitá-las. Teste tudo isso ao vivo no Kit de Regex, e quando um padrão esperto começar a rodar devagar, descubra o porquê em backtracking catastrófico.