Форум PHP программистов > Регулярные выражения для самых маленьких

[ Поиск ] - [ Пользователи ] - [ Календарь ]

Полная Версия: Регулярные выражения для самых маленьких

welder

12.03.2007 - 10:29

Регулярные выражения для самых маленьких

Регулярные выражения — это очень мощное средство для обработки ваших данных.

Если вам требуется замена или поиск текста по шаблону , то без регулярных выражений уже не обойтись. Синтаксис регулярных выражений является относительно сложным и при его изучении нужно приложить не мало мозговых усилий.

Давайте для начала разберем простенький шаблон который ищет содержимое заголовков "#<(h1|h2|h3)>(.*)</\\1>#Uis"

Каждое регулярное выражение должно состоять из: ограничителя шаблона, самого шаблона, и не обязательных модификаторов.

Основы

1. Ограничитель шаблона

В нашем случае символ "#" - является ограничителем шаблона им может служить любой не алфавитно-цифровой символ, кроме обратного слеша "\". Очень часто в качестве ограничителя используется "/","|","%","$" или как в моём случае "#". Если в шаблоне нужно использовать символ который у нас выбран в качестве ограничителя перед ним добавляется обратный слеш "\" (пример: "#<b>\#</b>#i")

2. Шаблон

Шаблон это то что находится между ограничителей у нас это "<(h1|h2|h3)>(.*)</\\1>"
в нашем шаблоне так же имеются под-шаблоны: "(h1|h2|h3)" который ищет совпадение с h1 или h2 или h3, и "(.*)" который ищет совпадение между заголовков
и также у нас есть обратная ссылка \\1 о которой будет рассказано в пункте 4

Давай рассмотрим синтаксис шаблонов, именно в нём и состоит вся мощь регулярных выражений:

| - Означает логическое или.
#а|о#
такой шаблон ищет "a", если не найдет, будет искать "о".
совпадет - "любитель пива" (нашлось 'а')
совпадет - "люблю пиво" (нашлось 'о')
не совпадет - "пиву нет!!"

ˆ - этот знак в шаблоне обозначает, чтобы в начале обязательно стояли следующие за ним символы.

#ˆп#

такой шаблон ищет "п" и найдет, если он стоит первым:
не совпадет - "водка непутинка" (нет 'п' в начале)
совпадет - "путинка водка" ('п' в начале)

$ - этот знак в шаблоне обозначает , чтобы в конце обязательно стояли, предшествующие ему символы.

#т$#

такой шаблон ищет "т" и найдет, если он стоит последним:
не совпадет - "водка плохо" (нет 'т' в конце, нельзя)
совпадет - "пива нет" ('т' в конце)

. - точка в шаблоне обозначает, что шаблон совпадет с любым символ строки, кроме [\n].

#.#

то есть, этот шаблон совпадет с любыми символами, кроме знака [\n]:
совпадет - "абв" (выведет только 'а' 'б' 'в')
совпадет - "а\nб\nв" (выведет только 'а' 'б' 'в', [\n] не выведет)

* - этот знак в шаблоне обозначает количество совпадений, это числитель ноль или более раз

#а*#

такой шаблон ищет "а" и найдет только в том случае, если "а" будет находиться в строке ноль или более раз. То есть, совпадет с любой строкой и вернет ее:
совпадет - "пива нет" (есть 'а')
совпадет - "спирт хорошо" (нет 'а', но все - равно совпадает)

+ - этот знак в шаблоне обозначает количество совпадений, это числитель 1 или более раз

#п+#

такой шаблон ищет "п" и найдет, если "п" будет находиться 1 или более раз.
То есть, если "п" нет, то совпадения не будет. Если будет хотя бы одна "п", или много "п", то будет совпадение:
совпадет - "пиво пьют" (есть 'п' один и более раз)
не совпадет - "водку жрут" (нет 'п')

? - этот знак в шаблоне обозначает количество совпадений, это числитель 0 или 1 раз

#п?#

такой шаблон ищет "п" и найдет только в том случае, если "п" будет находиться 0 или 1 раз. То есть, если "п" не будет больше одной:
не совпадет - "пиво пьют" (есть 'п', но больше 1 раза)
совпадет - "пива нет" (есть 'п' один раз)
совпадет - "водка есть" (нет 'п', но все - равно совпадет)

{ } - эти знаки в шаблоне обозначают сколько раз должно быть совпадение

? тоже самое, что и {0,1} - ноль или один раз
* тоже самое, что и {0, } - ноль или более раз
+ тоже самое, что и {1, } - один или более раз
То есть, {2,3} - должно быть два или три совпадения. Ставится после символа, который будем искать без пробелов и через запятую: {1,9} {0,35}, итд. Первая цифра обозначает минимум совпадений, последняя - максимум.

#пиво{2,3}# - 'пиво' должно быть два или три раза
#водка{1,2}#- 'водка' должно быть один или два раза

\ - обратный слеш в шаблоне обозначает подстановку.
#\.# - мы предварили точку обратным слешем и, теперь, наш шаблон будет искать точку, и совпадет только с ней в нашем тексте, а не со всеми символами, как было в последнем примере. То есть, обратный слеш служит для обозначения самих метасимволов, как обычных символов текста. Так же, все метасимволы надо предварять слешем для обозначения самих себя.

Подстановка метасимвола:
\\ \. \|  \[ \] \{ \} \? \* \+ \ˆ \/ \# \!
Подстановка класса символов
\d - любой цифровой символ [0-9]
\D - любой НЕ цифровой символ [Ր-9]
\s - любой пробельный символ [\t\ \r\f\n]
\S - любой НЕ пробельный символ [ˆ\t\ \r\f\n]
\w - любой алфавитно-цифровой символ [a-zA-Z0-9_]
\W - любой НЕ алфавитно-цифровой символ [ˆa-zA-Z0-9]

Кроме этого, классы символов можно обозначать так:
[[:alnum:]] - все алфавитно-цифровые символы [a-zA-Z0-9]
[[:alpha:]] - все алфавитные символы [a-zA-Z]
[[:blank:]] - символ табуляции и пробел [\t ]
[[:cntrl:]] - все управляющие символы
[[:digit:]] - все десятичные цифры [0-9]
[[:graph:]] - все печатные символы, за исключением пробела
[[:lower:]] - все строчные буквы [a-z]
[[:upper:]] - все прописные буквы [A-Z]
[[:print:]] - все печатные символы
[[:punct:]] - все знаки препинания [\.,;:-]
[[:space:]] - все пустые символы
[[:xdigit:]] - все шестнадцатиричные цифры

Если вы поставите [ˆ[:alnum:]] - любой НЕ алфавитно-цифровой символ, то есть это полная противоположность [[:alnum:]]. То есть, любой класс вы можете инвертировать посредством 'ˆ'.

Подстановка претензий
\b - на границе слова
\B - не на границе слова
\A - в начале строки
\Z - в конце строки
\z - в конце текста

3. Подшаблон

( ) - эти знаки в шаблоне обозначают ограничители подшаблона, которые можно создавать и в дальнейшем ссылаться на них. Синтаксис подшаблона тот же самый что и у самого шаблона

в нашем шаблоне два подшаблона: "(h1|h2|h3)" который ищет совпадение с h1 или h2 или h3, и "(.*)" который ищет совпадение между заголовков

4. Обратная ссылка

Это ссылка на подшаблон в нашем случае //1 мы обращаемся к первому подшаблону в самом шаблоне.То есть выражение "#<(h1|h2|h3)>(.*)</\\1>#Ui" равно "#<(h1|h2|h3)>(.*)</(h1|h2|h3)>#Ui"

5. Модификаторы
Функционирование регулярных выражений можно видоизменить используя модификаторы их значение и использование описано ниже.

i - игнорировать регистр
#шаблон#i
будет искать шаблон, игнорируя регистр в тексте поиска.

s - метасимвол '.' соответствует и символу [\n], то есть классу [\0-\xFF]
#шаблон#s
будет искать шаблон, где '.' Игнорирует видит [\n], то есть метасимвол точка будет так же возвращать и перевод каретки на новую строку.

U - минимизировать числитель, то есть искать как можно меньше совпадений
#шаблон#U
будет искать шаблон, с как можно меньшим совпадением раз. Если мы ставили в шаблоне #a?# - действие этого модификатора примерно такое же, как и минимизатора '?' в самом шаблоне.

m - претензии 'ˆ' и '$' учитывают [\n]
#шаблон#m
если в шаблоне будут метасимволы 'ˆ' и '$', то претензия 'ˆ' будет искать совпадение в начале строки, а претензия '$' будет искать совпадение в конце строки.
#ˆпиво$#m
совапдение - "пиво\n" (в строке 'пиво')
нет совапдения - "пи\nво" (здесь 'пиво' в разных строках)

D - претензия '$' не учитывает [\n]
#шаблон#D
если в шаблоне есть метасимвол '$'.
Претензия '$' будет искать совпадение в фактическом конце текста, игнорируя переводы каретки на новую строку [\n].

A - привязать шаблон к началу текста
#шаблон#A
Будет искать шаблон только в фактическом начале теста.

x - разрешить комментарии: пробел и #
#шаблон#x
здесь в шаблоне разрешены пробел и #, как комментарии, поэтому пробел и # надо предварять слешем, если только они не обозначают комментарии.
/слово
#комментарий
ищу/x
будет искать 'словоищу'. То есть, здесь игнорируются пробелы и все, что следует за знаком диез.

X - воспринимать неверную подстановку как ошибку.
#шаблон#X

S - предварительная оптимизация шаблона
#шаблон#S

e - используется в функции 'preg_replace' для ее активации
#шаблон#e

тоесть в нашем случае это Ui (ищем как можно меньше совпадений, игнорируя регистр)

Функции для работы с регулярными выражениями.

1. в стиле POSIX

ereg() - совпадение с регулярным выражением.

bool ereg(string pattern, string string [, array regs])

Данная функция ищет в строке string соответствие регулярному выражению, заданному в шаблоне pattern. Если соответствия подвыражений с шаблоном будут найдены, то они сохраняются в массиве соответствий regs. При этом $regs[0] содержит копию строки string, $regs[1] содержит подстроку, начинающуюся с первой левой скобки, $regs[2] хранит подстроку, начинающуюся со второй левой скобки и т.д.

Ниже приведен код, преобразующий фразу "Вася любит пиво больше чем Иван" в более лучшую для меня "Иван любит пиво больше чем Вася".

пример:

PHP

 
<?php
 
$text = "Вася любит пиво больше чем Иван";
 
if (ereg ("(Вася) (любит пиво больше чем) (Иван)", $text, $regs)):
	echo "{$regs[3]} {$regs[2]} {$regs[1]}";
else:
	echo "Алкоголики не найдены";
endif;
?>

Этот пример даст:
Иван любит пиво больше чем Вася

ereg_replace() - замещает регулярное выражение.

string ereg_replace(string pattern, string replacement, string string)

Эта функция заменяет найденный в строке string шаблон pattern на строку replacement и, если соответствие было найдено, возвращает модифицированную строку.

пример:

PHP

 
<?php
$text = "Вася любит пиво больше чем Иван";
echo ereg_replace("пиво", "водку", $text);
?>

Этот пример даст:
Вася любит водку больше чем Иван

split() - делает из строки массив с помощью регулярного выражения.

array split (string pattern, string string [, int limit])

Эта функция возвращает массив строк, которые представляют собой подстроки строки string, образованные в результате разделения строки string на подстроки в соответствии с регулярным выражением pattern. Если указан необязательный параметр limit, то в возвращаемом массиве будет не больше limit элементов, последний из которых содержит неразделенную часть строки.

Эта функция полезна при разделении дат, доменных имен и т.д.

пример:

PHP

 
<?php
$text = "пиво.дефки.рок";
$array = split (".", $text);
print_r($array);
?>

Этот пример даст:
Array ( [0] => пиво [1] => дефки [2] => рок )

2. Perl-совместимые регулярные выражения

preg_match() - выполняет подстановку регулярного выражения.

int preg_match (string pattern, string subject [, array matches])

Эта функция ищет в строке subject соответствие регулярному выражению pattern. Если задан необязательный параметр matches, то результаты поиска помещаются в массив

пример:

PHP

 
<?php
$str = "Вася любит пиво и Иван любит пиво";
 
// пиво есть
if (preg_match ("#пиво#i", $str)):
	echo("слово пиво втречается");
else:
	echo("слово пиво не втречается");
endif;
 
// водки нет
if (preg_match ("#водка#i", $str)):
	echo("слово водка втречается");
else:
	echo("слово водка не втречается");
endif;
 
?>

Этот пример даст:
слово пиво втречаетсяслово водка не втречается

с добавлением необязательного параметра matches
пример:

PHP

 
<?php
$url = "http://www.phpforum.ru";
preg_match("/^(http://)?([^/]+)/i", $url, $matches);
print_r($matches);
?>

Этот пример даст:
Array ( [0] => http://www.phpforum.ru [1] => http:// [2] => www.phpforum.ru )

preg_match_all() - выполняет глобальный поиск совпадения регулярного выражения.

int preg_match_all (string pattern, string subject, array matches [, int flags])

Ищет в subject все совпадения с регулярным выражением pattern и помещает их в matches в порядке, специфицированном в order.

После нахождения первого совпадения последующий поиск продолжается до нахождения последнего совпадения.

пример:

PHP

 
<?php
$text = "<b>Вася</b> любит <b>пиво</b> больше чем <b>Иван</b>";
preg_match_all ("#<b>(.*)</b>#iU", $text, $regs);
echo "<pre>";
print_r($regs[1]);
?>

Этот пример даст:
Array
(
[0] => Вася
[1] => пиво
[2] => Иван
)

preg_replace() - выполняет поиск и замену регулярного выражения.

mixed preg_replace (mixed pattern, mixed replacement, mixed subject [, int limit])

Ищет в subject совпадения с pattern и замещает их replacement. Если limit специфицирован, то замещаются только limit совпадений; если limit опущен или равен -1, замещаются все совпадения.

Replacement может содержать ссылку в форме \\n или $n, где последняя форма предпочтительнее. Каждая такая ссылка замещается текстом, захваченным n'ным патэрном в скобках. n может быть от 0 до 99, а \\0 или $0 ссылаются на текст, совпавший со всем патэрном. Открывающие скобки подсчитываются слева направо (начиная с 1) для получения количества захватывающих субпатэрнов.

Если совпадения найдены, возвращается новый subject, иначе subject возвращается без изменений.

Каждый параметр preg_replace() может быть массивом.

Если subject это массив, то поиск и замена выполняются в каждом вхождении subject, return-значение также будет массивом.

Если pattern и replacement являются массивами, то preg_replace() принимает значение из каждого массива и использует их для выполнения поиска и замены в subject. Если replacement имеет меньше значений, чем pattern, то для оставшихся значений для замены используется пустая строка. Если pattern это массив, а replacement это строка, то эта замещающая строка используется для каждого значения pattern. Обратное не будет иметь смысла.

Модификатор /e делает так, что preg_replace() рассматривает параметр replacement как PHP-код после выполнения соответствующей замены ссылок

пример:

PHP

 
<?php
$text = "<b>Вася</b> любит <b>пиво</b> больше чем <b>Иван</b>";
echo preg_replace("#<b>(.*)</b>#iU","[замена]", $text);
?>

Этот пример даст:
[замена] любит [замена] больше чем [замена]

пример:

PHP

 
<?php
$text = "<b>Вася</b> любит <b>пиво</b> больше чем <b>Иван</b>";
$search = array ("'Вася'i", "'пиво'i","'Иван'i"); 
$replace = array ( "Катя","мороженное","Маша");
echo preg_replace ($search, $replace, $text);
?>

Этот пример даст:
Катя любит мороженное больше чем Маша

пример:

PHP

 
<?php
$text = "<b>Вася</b> любит <b>пиво</b> больше чем <b>Иван</b>";
echo preg_replace ("#<b>(.*)</b>#iUe", "md5('1')",$text);
?>

Этот пример даст:
b212e4e8bc960592ff6571ffa6000a67 любит 07564df0646634634ddece185c65f5fc больше чем ff4650ffb21f59efd09de0193d8a928c

....пока всё не могу уже... 9 утра а я ночь не спал... потом дополню и отвформатирую

Быстрый ответ:

Здесь расположена полная версия этой страницы.