Регулярные выражения
Регулярные выражения.
До последнего времени для меня величайщей загадкой и китайской грамотой
представлялись загадочные "регулярные выражения" (regular experssions).
Что же это такое?
Регулярные выражения - самый мощный инструмент работы со строками, который
смогли выдумать современные программисты. С их помощью можно проводить
анализ строк, на содержание последовательностей символов, производить
замену на основе этой выборки, разбивать строки на массивы и многое другое.
Проще всего разобраться с их устройством на примерах. Для этого можно
использовать специальные функции PHP для работы с регулярными выражениями
(RE):
ereg();
ereg_replace();
eregi();
ereg_replacei();
split();
Функции с суффиксом i представляют из себя аналоги функций без этого
суффикса, не чувствтительные к регистру операндов. Рассмотрим, для начала,
функцию split().
Выглядит она так: array split(string pattern, string
string, int [limit]);. Основным ее параметром является pattern
(шаблон). В нем содержится RE, для поиска в строке string.
Эта функция строит массив на основе анализа строки, где разделителем является
строка, заданная шаблоном.
Принцип работы этой функции на понятном языке выглядит не так уж и страшно:
Разбить строку на компоненты (подстроки), соответствующий правилам, описаным
в параметре pattern. Правило может выглядеть,
например, так: Слова разделены запятой и любым количеством пробелов, причем
пробелов может не быть. Это вполне "жизненное" правило. На его основе
можно построить массив ключевых слов, содержащихся в строке и разделенных
запятыми, а после запятой может идти любое количество пробелов (но не
обязательно). Теперь рассмотрим как записать это правило в нотации RE.
, *. Каждый символ в шаблоне важен. Обратите
внимание на пробел между запятой и звездочкой - это необходимый элемент
шаблона. Первый символ означает обязательную запятую после слова, а комбинация
" *" (помните, что пробел - элемент шаблона)
- любое количество пробелов или их отсутствие. Звездочка является модификатором
и говорит, что идущий перед ней символ может встречаться 0 или больше
раз.
Рассмотрим, как все это реализовать на PHP с помощью RE:
$str = "test, one, to, sree";
$regs = split(", *",$str);
for ($i = 0; $i <= count($regs)-1; $i++) {
echo $i," : ",$regs[$i];
}
И результат работы данного кода:
0 : test
1 : one
2 : to
3 : sree
Причем, строка $str может выглядеть так: "test,
one, to, sree", или так: "test,one,to,sree",
или так: "test,one, to, sree".
Результат будет одинаковым.
Перейдем к более сложному примеру из жизни. Попытаемся определить версию
браузера из строки $HTTP_USER-AGENT, для Internet
Explorer. Типичная строка выглядит так:
Mozilla/4.0 (compatible; MSIE 4.01; Windows 98)
Сначала попытаемся определить правило выборки номера версии обычным языком.
Перед номером версии обязательно идет комбинация символов "MSIE" и пробел,
заканчивается номер версии точкой с запятой. Просто? Теперь запишем это
в терминах RE. MSIE ([^;]+). Как видите, здесь
используются скобки различной конфигурации. Что они означают? Круглые
скобки определяют тот элемент, который мы ищем в строке (в нашем случае
- шаблон номера версии версии). Квадратные - определяют набор символов,
каждый из которых может составлять часть номера версии. ^ - представляет
собой отрицание. Т.е. конструкция [^;], в переводе
на русский означает "любой символ, кроме точки с запятой". + после квадратных
скобок говорит, что таких символов (отличных от ;) должно быть минимум
1 (или больше). Круглые скобки обозначают границы искомой подстроки. Соответствующая
шаблону в круглых скобках подстрока сохраняется в специальной переменной.
Таким образом RE MSIE ([^;]+) переводится на русский
язык, как "все символы, отличные от точки с запятой, следующие за набором
символов MSIE и пробелом".
Но нам необходимо получить номер версии. Для этого существует функция
ereg() (или ее регистронезависимый аналог eregi()).
Выглядит она так: int ereg(string pattern, string string,
array [regs]);. В параметре pattern передается
шаблон, в string - строка для разбора, а в параметре
regs передается массив найденых подстрок, соответствующих
шаблону в круглых скобках. Первый (с индексом 0) элемент массива представляет
собой подстроку, соответсвующую всему шаблону pattern.
Если подстрока, соответствующая шаблону pattern
не найдена, то возвращается значение false иначе,
количество найденных подстрок.
В данном случае вызов этой функции будет выглядеть так:
ereg("MSIE ([^;]+)",$HTTP_USER_AGENT,$regs);
echo "<B>$HTTP_USER_AGENT : $HTTP_USER_AGENT</B><BR>";
echo "<B>VERSION : $regs[1]</B>";
Вот результат работы этого кода:
$HTTP_USER_AGENT : Mozilla/4.0
(compatible; MSIE 5.0; Windows 98; DigExt)
VERSION : 5.0
Надеюсь, основные принципы построения RE понятны? Со всеми возможными
модификаторами и дополнительными примерами можно ознакомиться на соответствующей
странице.
©
Андрей Головин //exper.ural.ru/
| 
|| разделы::
