1. Регулярные выражения.
Регулярные выражения – мощный и гибкий инструмент для синтаксического анализа текста в соответствии с определенным шаблоном. С помощью регулярных выражений можно эффективно искать фрагменты текста любой сложности, заменять одни вхождения на другие, проверять правильность ввода и разбивать тексты. Основа регулярного выражения - шаблон. С его помощью описывается формат нужного фрагмента текста.
Шаблон должен быть ограничен символами-ограничителями - «/шаблон/»
Пример регулярного выражения:
«/веб-программирование/»- соответствует строке, в которой есть слово «веб-программирование».
Есть некоторые специальные символы - метасимволы, которые указывают, что вместо них должна быть найдено нечто, или влияют на другие части регулярного выражения, повторяя или изменяя их значение.
Примеры метасимволов: ^ $ . | ? * + [ ] ( ) { }
- символ экранирования. Пример: «/4/2=2/» - соответствует строке «4/2=2». Символ «/», используемый как ограничитель шаблона, был экранирован, после чего он перестал выполнять в данном месте свое специальное значение, а стал означать операцию деления внутри текста строки.
^ - символ начала данных. $ - символ конца данных. Пример: «/^веб-программирование$/» - соответствует строке, точно совпадающей со словом «веб-программирование». Т.е. с буква «в» начало строки буква «е» коней.
. - любой символ, кроме перевода строки. Но есть модификатор, при использовании которого перевод строки тоже относится к "любым" символам. Пример: «/веб.программирование/» - соответствует строке, содержащей «веб-программирование», или «веб.программирование», или «вебoпрограммирование».
[] - определяют символьный класс, т.е. набор символов, с которыми проверяется совпадение. Символы могут быть перечислены по отдельности, или в виде некоторого диапазона символов, обозначенного первым и последним символом, разделенных знаком «-», а также с помощью специальных символов. Пример: «/б[иао]м/» - под соответствие попадут только строки, содержащие «бим», «бам» или «бом».
() - используются для определения области действия и приоритета операций. Фактически выделяют группу в шаблоне, так называемую подмаску или подшаблон. | - перечисление, логическое «или». Пример: «/gray|grey/» или «/gr(a|e)y/» описывают строку «gray» или «grey».
Квантификаторы - ставятся после символа, символьного класса или группы и определяют, сколько раз предшествующее выражение может встречаться. ? - одно или ноль вхождений. * - любое количество вхождений, в том числе и ноль. + - одно или более вхождений. Примеры:
Выражение «/(б[иао]м-?)*/» соответствует последовательности вида «бим-бамбом-бам-бамбим-бом» или пустой строке.
Выражение «/(б[иао]м-?)+/» соответствует строке, в которой обязательно должно быть хоть одно слово «бим», «бам» или «бом».
{} - квантификатор, определяющий точное указанное число вхождений символа, символьного класса или группы.
{n} - Ровно n раз
{m,n} - От mдо n включительно
{m,} - Не менее m
{,n} - Не более n
Символьные классы Набор символов в квадратных скобках «[ ]» именуется символьным классом и позволяет указать интерпретатору регулярных выражений, что на данном месте в строке может стоять один из перечисленных символов. В частности, «[абв]» задаёт возможность появления в тексте одного из трёх указанных символов, а «[1234567890]» задаёт соответствие одной из цифр. Возможно указание диапазонов символов: например, «[А-Яа-я]» соответствует всем буквам русского алфавита, за исключением букв «Ё» и «ё».
Если требуется указать символы, которые не входят в указанный набор, то используют символ «^» внутри квадратных скобок, например, «[^0-9]» означает любой символ, кроме цифр.
Специальные символы:
cx - ctrl + x. На месте x может быть любой символ. e - escape. f - разрыв страницы.
- перевод строки.
- возврат каретки. - табуляция. - граница слова. B - не граница слова.
d - цифровой символ. D - нецифровой символ. s - пробельный симол: пробел, перевод строки, табулятор. S - непробельный символ. w - Буквенный или цифровой символ или знак подчёркивания. W - Любой символ, кроме буквенного или цифрового символа или знака подчёркивания.
Две последние конструкции не соответствуют никаким реальным символам. xHH - символ с шестнадцатеричным кодом HH. x - это именно буква икс. DDD - символ с восьмеричным кодом DDD. Или ссылка на подгруппу (подмаску).
Важно, что метасимволы не активны внутри классов. Например, «[akm$]» будет соответствовать любому из символов «a», «k», «m» или «$». Знак «$» является метасимволом, но внутри класса он лишается своей особой природы.
Жадные (greedy) повторения.
По умолчанию все квантификаторы, обозначающие повторения символов (группы символов), работают по жадному алгоритму: движок будет пытаться повторить его столько раз, сколько это возможно. Если следующие части шаблона не соответствуют, движок вернется назад и попытается попробовать снова с несколькими повторами символа.
Рассмотрим, как это работает на примере.
Пусть дано регулярное выражение «/a[bcd]*b/». Оно соответствует букве «a», нулю или более символов из класса «[bcd]», и наконец, заключительной букве «b». Теперь представим себе сопоставление этого регулярного выражения строке «abcbd». Вот как происходит сравнение поэтапно:
a— «a» соответствует регулярному выражению; 2. abcbd — движок сопоставляет «[bcd]*» на как можно большем числе символов, то есть до конца строки (поскольку все символы соответствуют классу в скобках «[]»); 3. Неудача — движок пытается сопоставить последний символ в регулярном выражении — букву «b», но текущая позиция уже в конце строки, где нет никаких символов, так что он терпит неудачу; 4. abcb — вернулись назад, уменьшили на один символ сопоставление с «[bcd]*»; 5. Неудача — пытаемся снова найти «b», но в конце только «d»; 6. abc — снова возвращаемся назад, теперь «[bcd]*» это только «bc»; 7. abcb — снова ищем последний символ регулярного выражения — «b». Теперь он действительно находится на нужной позиции, и мы добиваемся успеха.
Итак, был достигнут конец регулярного выражения и сопоставление с ним дало «abcb». Этот пример показал, как движок сначала забирается так далеко, как может, и, если не находит соответствия, возвращается назад, снова и снова работая с остатком регулярного выражения. Он будет делать так до тех пор, пока не получит ноль совпадений для «[bcd]*», и, если и тогда не получится совпадения, то заключит, что строка совсем не соответствует шаблону.
Такой подход может оказаться значительной проблемой. Например, часто ожидают, что выражение «//» найдёт в тексте теги HTML. Однако, если в тексте есть более одного HTML-тега, то этому выражению соответствует целиком строка, содержащая множество тегов.
weblecture.ru — студенческий сайт по курсу веб-программирование.
Эту проблему можно решить несколькими способами:
- Учитывать символы, не соответствующие желаемому образцу «/]*>/». - Определить квантификатор как нежадный (ленивый, англ. lazy) — добавив после него знак вопроса »//». - Отключить жадность для всего шаблона, используя модификатор «//U».
Модификаторы - вносят новые правила в обработку регулярного выражения и действуют с момента вхождения и до конца регулярного выражения или противоположного модификатора. Указываются они либо в скобках, например так: «(?Ui)», либо после закрывающего символа ограничителя шаблона »/pattern/Ui».
i - регистронезависимость. U - инвертирует жадность. m - многострочный поиск, т.е. символы «^», «$» означают начало и конец всего текста. s - символ «.» включает в себя и перевод строки. x - заставляет игнорировать все неэкранированные пробельные символы, если они не перечислены в символьном классе. Удобно, когда переводом строк и пробелами необходимо навести удобочитаемость.
При использовании модификаторов, можно использовать знак «-» для отключения модификатора. Пример «(?m-i)» - включает многострочный поиск и отключает регистронезависимый.
Здесь надо сказать, что все модификаторы что-то включают. Или отключают, если указаны с минусом. А вот «U» инвертирует. Т.е. если была жадность включена, он выключит без всяких минусов.
Утверждения - это проверки символов, идущих до или после текущей позиции сопоставления. Утверждения касательно последующего текста начинаются с «(?=« для положительных утверждений и с «(?!» для отрицающих утверждений.
Утверждения касательно предшествующего текста начинаются с «(?
2. Функции PHP для работы с регулярными выражениями.
mixed preg_match( string $pattern, string $subject[, array $&a mp;matches[, int $flags]] )
mixed preg_match_all( string $pattern, string $subject[, array $&a mp;matches[, int $flags]] )
array preg_split( string $pattern, string $subject[, int $limit [, int $flags]] )
mixed preg_replace( mixed $pattern, mixed $replacement, mixed $subject[, int $limit] )
mixed preg_replace_callback( mixed $pattern, callback $callback , mixed $subject[, int $limit] )
