r05_t.pdf

Rozdział 5

Szukając wzorców

W niniejszym rozdziale omówimy następujące tematy:

• Czym są wyrażenia, w najprostszej formie.

• Jak uzyskać lepsze rezultaty, poszerzając zakres działań.

• Funkcje PHP dodający mocy wyrażeniom prostym.

• Jak tworzyć proste oraz zaawansowane aplikacje wyszukiwawcze.

No dobrze, teraz już każdy z nas powinien być świadomy poczynionych postępów i tego, że nasz statek PHP

wypływa na szerokie wody. W niniejszym rozdziale przyjrzymy się wyrażeniom prostym i sprawdzimy, jakiego

rodzaju manipulacje na łańcuchach one umożliwiają.

Mówiąc najogólniej, wyrażenia proste umożliwiają dopasowywanie wzorców w łańcuchach. Dopasowywanie

możemy zacząć, wybierając określoną literę (powiedzmy "a"). Możemy jednak posunąć się dalej i

przeprowadzać dopasowywanie całych zestawów liter, a nawet znaków nimi nie będących. Zależy to tylko od

tego, na ile pozwala nasze doświadczenie lub koniecznego stopnia skomplikowania programu.

Zanurzmy na chwilę stopy w głębszej wodzie, nie zanurzając się w niej jednak całkowicie. Przyjrzyjmy się

wyrażeniu zaprezentowanemu poniżej, które, można w to wierzyć lub nie, jest wyrażeniem prostym, służącym

do sprawdzania poprawności adresu email (każdy chyba zdaje sobie sprawę z jego potencjalnej przydatności.

^([a-zA-Z0-9._-]+)@([a-zA-Z0-9-])+(\.[a-zA-Z0-9-]+)+$

Czy widać o co chodzi? Nie będziemy jednak uciekać przed takimi wyrażeniami. Zajmiemy się nimi wkrótce, a

po zakończeniu tej części rozdziału będziemy mieli wystarczającą wiedzę, by zrozumieć sposób ich działania.

Naprawdę!

Niezależnie od swego złożonego wyglądu superkodu, wyrażenia proste bez funkcji są bezużyteczne. Chodzi tu o

funkcje wykorzystujące wyrażenia i wykonujące na ich podstawie operacje na łańcuchach. W miarę lektury tej

części rozdziału zapoznamy się z najbardziej użytecznymi funkcjami PHP, operującymi z wykorzystaniem

wyrażeń prostych oraz z ich zastosowaniem w skryptach.

Proste dopasowywanie wzorców

Przede wszystkim jednak, musimy najpierw nauczyć się budowania wyrażeń prostych! Teorii i konstrukcji

wyrażeń prostych poświęcono całe tomy, a zatem nie powinniśmy oczekiwać, że w ciągu jednej nocy, ani dzięki

lekturze tej części rozdziału, staniemy się znawcami tego tematu. Nauka tworzenia wyrażeń prostych nie

zajmuje wiele czasu, a gdy opanujemy podstawy, reszty nauczymy się stopniowo.

Zanim pójdziemy dalej, musimy zapamiętać, że wyrażenia proste w PHP definiuje się jako łańcuchy,

przekazywane funkcjom i wykonujące określone operacje. Jest to znaczna różnica w stosunku do takich

języków jak Perl, w których wyrażenia proste stanowią część konstrukcji językowych.

A zatem, przejdźmy do dyskusji o podstawach. Mówiąc najogólniej, wyrażenie proste jest wzorcem, który

opisuje poszukiwany przez nas łańcuch. Jest to działanie podobne do funkcji wyszukiwania wyrazów w

dokumentach tekstowych. Wzorzec może być dowolnie prosty lub złożony. Możemy go tworzyć zarówno w

formie łańcucha znakowego, jak i serii klas znakowych. Wyszukiwane mogą być najróżniejsze i

najdziwaczniejsze wzorce — o tym jednak pomówimy później.

W miarę poznawania kolejnych cech wyrażeń prostych PHP, będziemy omawiać je na przykładach, prezentując

łańcuchy, dla których owe wyrażenia zwracają

Zaczynając i kończąc na...

Spójrzmy na taki oto prosty przykład.

"^one"

Zwróćmy uwagę, że cudzysłowy oznaczają w tym przypadku, że mamy do czynienia z łańcuchem, a nie częścią

wzorca.

Choć jest to bardzo prosty przykład, zastosowano w nim jeden znak specjalny. Znak ^ , określany również jako

karat, sygnalizuje, że wzorzec powinien być dopasowywany tylko do łańcuchów rozpoczynających się od one.

To z kolei oznacza, że gdy zastosujemy to wyrażenie proste na łańcuchu, zwróci ono " one green bottle", ale nie

zwróci "I want one of those green bottles".

Tego rodzaju znaki specjalne określa się jako kotwice, a przeciwieństwem kotwicy ^ jest kotwica $ .

"night$"

Takie wyrażenie oznacza, że wzorzec powinien zwracać tylko te łańcuchy, które kończą się wyrazem night. Po

nałożeniu na łańcuch, wzorzec zwróci więc "in the middle of the night ", ale nie "night and day" ani "had a

nightmare".

Aby wyszukiwanie było bardzo restrykcyjne, możemy zastosować obie, wspomniane kotwice.

"^elephant$"

Powyższe wyrażenie proste zwróci jedynie łańcuch " elephant ", ignorując pozostałe. Oznacza to, że żaden z

następujących łańcuchów: "elephants are cool", "I love elephants" ani "international elephant appreciation

society" nie zostanie uznany za pasujący do wzorca.

Możliwe jest również dopasowywanie całkowicie nierestrykcyjne, w którym pozycja dopasowywanego

łańcucha nie ma żadnego znaczenia.

"elephant"

Takie wyrażenie dopasuje łąńcuchy "I have a little baby elephant ", " elephant s have long memories", a nawet

meet Nigel, my elephant ine friend".

Po tym bardzo osobistym zapoznaniu ze znakami specjalnymi, czas szybko podążyć dalej. Oprócz

wymienionych, istnieją bowiem inne znaki specjalne, które możemy wykorzystywać w wyrażeniach, przydając

im elastyczności i mocy.

Znaki zastępcze

Dzięki zastosowaniu znaków zastępczych w wyrażeniu prostym, możemy określić liczbę wystąpień danego

znaku w poszukiwanym łańcuchu. Dzięki temu, wyszukiwanie staje się znacznie elastyczniejsze.

Modyfikatorami zastępczymi są znaki *, + oraz ?, a odnoszą się one do poprzedzających je znaków lub ich grup.

Każdy z modyfikatorów ma inne znaczenie:

* Dopasowuje łańcuch przy braku lub kilku wystąpieniach.

+ Dopasowuje łańcuch przy jednym wystąpieniu lub więcej.

? Dopasowuje łańcuch przy braku lub jednym wystąpieniu.

Modyfikatory zastępcze odnoszą się do znaków poprzedzających. Spójrzmy na poniższy przykład:

"co+"

Wyrażenie proste w takiej formie wyszuka każdy łańcuch, w którym po literze 'c' występuje jedna lub więcej

liter 'o'. W związku z tym, zwrócone zostaną łańcuchy takie jak "This is cool" i "I'll fetch my coat", ale

pominięty zostanie łańcuch "What a lovely card".

Jeśli zamienimy modyfikator + na *, wówczas wyrażenie zwróci nam wszystkie trzy łańcuchy, gdyż w takim

przypadku kryterium wyszukiwania będzie jedynie litera 'c'. Dzieje się tak dlatego, że znak * dopasowuje

łańcuchy, w których poprzedzająca go litera występuje kilkakrotnie lub nie występuje w ogóle. A zatem,

wyrażenie w takiej formie zwróciłoby również łańcuch nie zawierający ani jednej litery 'o'.

Jako przykład ostatniego z modyfikatorów zastępczych, możemy przytoczyć takie oto wyrażenie:

"snakes?"

Za pomocą takiego wyrażenia odszukamy łańcuchy takie jak "There's a snake in my boot" czy " snakes are

cool".

Wydawać się może, że w dwóch powyższych przykładach moglibyśmy obejść się bez modyfikatorów

zastępczych i tak jest rzeczywiście. Gdybyśmy, biorąc jako przykład ostatnie z wyrażeń, użyli

"snake"

jako wyrażenia prostego, wówczas również spowodowałoby ono zwrócenie łańcuchów "There's snake in my

boot" oraz " snake s are cool". Jednakże, jak widać, ostatnia litera 's' w wyrazie "snakes" nie pasuje do wzorca, co

może być niepożądane. Gdybyśmy chcieli, na przykład, wzorzec zawarty w powyższym wyrażeniu prostym

uzupełnić spacją, wówczas nadalibyśmy mu formę

"snake "

Ponieważ określiliśmy tu, że po wyrazie snake ma następować spacja, w związku z tym łańcuch "snakes are

cool" nie zostanie zwrócony, gdyż nie pasuje do wzorca. Jednakże, problem ten moglibyśmy rozwiązać za

pomocą modyfikatorów zastępczych.

"snakes? "

Wyrażenie powyższe można by przetłumaczyć w następujący sposób:

Dopasuj każdy łańcuch, który zawiera wyraz "snake", ewentualnie z literą

"s" na końcu, ale w każdym przypadku kończący się spacją...

Oczywiście, nie trzeba chyba wspominać o tym, że aby dopasować jakikolwiek znak specjalny, należy

poprzedzić go ukośnikiem.

Należy jednak wiedzieć, że zastosowanie modyfikatorów * i + może skończyć się zwróceniem całkowicie

bzdurnych łańcuchów. Na przykład, poszukując czegoś pasującego do wyrazów "about" i "abbey", moglibyśmy

przypuścić, że odpowiednim wyrażeniem będzie w tym przypadku

"ab*"

Jednakże, oprócz właściwych łańcuchów, odnalezione zostałyby również łańcuchy bezsensowne, na przykład:

" abbbbbbbbbbbbb out"

Jest to oczywiście działanie niepożądane i musimy znaleźć bardziej restrykcyjną metodę obsługi takich sytuacji.

Ograniczenie

Na szczęście, możemy posłużyć się cechą wyrażeń prostych, znaną jako ograniczenie . Pozwala ona na

określenie minimalnej i maksymalnej liczby wystąpień danego znaku.

Proste ograniczenie może mieć formę następującą:

"ab{2}"

W ten sposób nakazujemy odszukanie każdego łańcucha, w którym litera "a" poprzedza dokładnie dwie litery

"b". Powyższy przykład pokazuje jak określić dokładną liczbę wystąpień danego znaku, ale omawianej cechy

można użyć również do określenia zakresu liczebności tych wystąpień, wskazując ich liczbę minimalną oraz

maksymalną.

Spójrzmy na taki oto przykład:

"ab{1,2}"

Powyższe wyrażenie proste wyszuka łańcuch, w którym litera "a" poprzedza co najmniej jedną, a najwyżej dwie

litery "b". Gdybyśmy taką formułę zastosowali w poprzednim przykładzie, odszukane zostałyby łańcuchy

"about" oraz "abbey", ale nie "abbbbout".

Jeśli pominęlibyśmy liczbę maksymalną, pozostawiając jednak przecinek, określilibyśmy w ten sposób jedynie

minimalną liczbę wystąpień danego znaku. Chcąc odszukać łańcuch, w którym dany znak pojawia się co

najmniej trzykrotnie, wyrażenie miałoby następującą postać:

"ab{3,}"

Byłoby błędem próbować tego samego z pierwszą wartością graniczną, gdyż niemożliwym jest, aby dany znak

pojawiał się mniej niż zero razy. Żądany efekt moglibyśmy uzyskać, wyznaczając zero jako wartość minimalną.

"ab{,3}" // Niedobrze

"ab{0,3}" // Znacznie lepiej

Dopasowywanie dowolnego znaku

Jak dotąd, wykorzystywaliśmy wyrażenia proste do wyszukiwania określonych znaków lub ich sekwencji. Choć

jest to użyteczne, często zdarza się potrzeba użycia rzeczywistego znaku zastępczego, który będzie pasował do

każdego innego znaku.

W tego typu operacjach, możemy używać w skryptach znaku kropki (.). Służy on do reprezentacji dowolnego

znaku, poza znakiem nowego wiersza, w łańcuchu. A zatem:

"co.l"

...wyszuka zarówno " coal ition" jak i " cool ", przy czym, w pierwszym przypadku kropka zastępuje literę "a", zaś

w drugim literę "o".

Wykorzystując znak kropki w połączeniu z ograniczeniami oraz modyfikatorami zastępczymi, możemy tworzyć

bardzo elastyczne wyrażenia. Na przykład, poniższe wyrażenie wyszuka wszystkie wyraz, które zaczynają się

literą "b", kończą literą "e", a pomiędzy tymi literami musi znajdować się co najmniej jeden znak.

"b.+e"

A zatem, wyszukane zostałyby łańcuchy takie jak "I've got a new bike ", " blondie is great", a także "I love brie ".

Proste słowo "be" zostałoby jednak pominięte (ponieważ znak + wskazuje, że pomiędzy literami "b" i "e" musi

znajdować się co najmniej jeden inny znak).

Kwantyfikacja sekwencji znakowych

Wszystkie przytoczone wyżej przykłady dotyczyły dopasowywania wielokrotnych wystąpień indywidualnych

znaków, co należy jednak uczynić, chcąc osiągnąć to samo w stosunku do sekwencji znakowych?

Rozwiązanie polega na ujęciu znaków w nawiasy. A zatem, chcąc odszukać dowolny łańcuch, w którym litera

"b" poprzedza jedną lub więcej sekwencji "an", musimy zastosować wyrażenie proste o postaci:

"b(an)+"

W ten sposób odnalezione zostaną takie łańcuchy, jak " ban " czy " banan a".

Tę samą zasadę można stosować do wszystkich poznanych dotychczas elementów wyrażeń prostych.

Użycie OR

Dalsze uelastycznienie wyrażeń zapewnia nam symbol ' | '. W wyrażeniach prostych można go użyć jako

symbolu OR (lub).

Jak pamiętamy z Rozdziału 2., omawialiśmy tam operator OR , który reprezentowany był symbolem || -

zwróćmy uwagę, że wewnątrz wyrażeń wstawiamy tylko jedną kreskę, gdyż dwie kreski występują w

łańcuchach.

Wróćmy więc do naszego pierwszego przykładu:

"^one"

Wyrażenie to, jak pamiętamy, dopasowuje wszystkie łańcuchy rozpoczynające się wyrazem "one", na przykład

"one green bottle". Wykorzystajmy zatem operator OR w wyrażeniu:

"^one|^two"

...które, jak łatwo się domyślić, zwróci wszystkie łańcuchy zaczynające się słowem "one" lub "two".

Zabieg ten możemy stosować we wszystkich omówionych wcześniej technikach. A zatem, poniższe wyrażenie

odszuka wszystkie łańcuchy zawierające słowa "cool" lub "coalition".

"co(ol|alition)"

Klasy znakowe i zakresy

Inną, ciekawą funkcją wyrażeń prostych są klasy oraz zakresy znakowe.

Zakresy znakowe są definiowane za pomocą wyrażeń nawiasowych. Do ujęcia zakresu stosuje się nawiasy

kwadratowe, a znaki wyznaczane do odszukania mogą być wskazywane bezpośrednio lub poprzez notację

zakresu. Spójrzmy na kilka przykładów:

"[abd]" Dopasowany zostanie łańcuch zawierający literę "a", "b" lub "d".

"[a-z]" Dopasowane zostaną pojedyncze, małe litery od "a" do "z".

"[0-9]" Dopasowane zostaną wszystkie pojedyncze cyfry.

Zakresy można łączyć, budując w ten sposób bardziej złożone wyrażenia:

"[a-zA-Z]" Dopasowana zostanie pojedyncza litera, mała lub wielka.

"[a-zA-Z0-9]" Dopasowany zostanie dowolny znak alfanumeryczny.

W podobny sposób, umieszczając znak karata, '^', jako pierwszy w nawiasie kwadratowym, możemy określać

zakresy znaków, które chcemy wykluczyć z dopasowywania. Postarajmy się nie denerwować faktem, że w tym

przypadku zastosowanie znaku karata jest zupełnie inne, niż omówione poprzednio. Jeśli nas ta odmiana nie

zniechęci (a nie powinno), może jedynie wzmocnić nasze siły.

"[^a-zA-Z]" Dopasowany zostanie dowolny znak nie będący literą.

"[^a-zZ-Z0-9]" Dopasowany zostanie dowolny znak, oprócz alfanumerycznych.

Musimy jeszcze poświęcić chwilę symbolowi '-' używanemu w definicjach zakresów, gdyż ma on znaczenie

specjalne — identyfikuje on zakres (taki jak [a-z] czy [0-9] ).

Aby użyć myślnika jako elementu zakresu znaków, należy upewnić się, że jest on pierwszym znakiem za

nawiasem otwierającym (lub za znakiem karata, jeśli zostanie użyty) lub ostatnim, przed nawiasem

zamykającym.

A zatem, chcąc odszukać dowolny łańcuch ze znakiem alfanumerycznym, poprzedzającym znak myślnika,

powinniśmy użyć jednego z poniższych wyrażeń:

"[a-zA-Z0-9-]"

"[-a-zA-Z0-9]"

Klasy znakowe działają podobnie, ale są znacznie użyteczniejsze niż zakresy. Dzięki ich zastosowaniu możemy

zaoszczędzić sporo czasu, który musielibyśmy poświęcić na konstruowanie wyrażeń z wykorzystaniem innych

technik.

Oto wykaz najbardziej użytecznych klas znakowych:

Klasa znakowa

Dopasowuje...

Znaczy to samo, co

[[:alpha:]]

dowolną literę

[a-zA-Z]

[[:digit:]]

dowolną cyfrę

[0-9]

[[:alnum:]]

dowolną literę lub cyfrę [a-zA-Z0-9]

[[:space:]]

dowolny znak pusty

[ \t\r\n\c]

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika: