18444

Регулярные выражения в PHP

Лекция

Информатика, кибернетика и программирование

Серверные технологии разработки webсайтов Регулярные выражения в PHP Понятие регулярного выражения Регулярное выражение regular expression – это технология которая позволяет задать шаблон и осуществить поиск данных соответствующих этому шаблону в заданном тексте предст

Русский

2013-07-08

190.5 KB

6 чел.

Серверные технологии разработки web-сайтов

Регулярные выражения в PHP


Понятие регулярного выражения

Регулярное выражение (regular expression) – это технология, которая позволяет задать шаблон и осуществить поиск данных, соответствующих этому шаблону, в заданном тексте, представленном в виде строки.

Кроме того, с помощью регулярных выражений можно изменить и удалить данные, разбить строку по шаблону на подстроки и многое другое.

Одно из распространенных применений РВ – это проверка строки на соответствие каким-либо правилам. Например, следующее РВ предназначено для проверки того, что строка содержит корректный e-mail–адрес:

/^\w+([\.\w]+)*\w@\w((\.\w)*\w+)*\.\w{2,3}$/

Выглядит, конечно, жутко, но зато работает. И если уметь пользоваться этим механизмом виртуозно, то жить становится легче.

Вернемся к нашему определению РВ. В нем несколько раз повторяется термин "шаблон". Что это такое? В принципе, интуитивно понятно, но попробуем все же пояснить.

Давайте подумаем, что представляет собой корректный e-mail–адрес. Это набор букв, цифр и символов подчеркивания, после которых идет специальный символ "собака" @, затем еще один такой же набор, содержащий имя сервера, точку ( .) и две или три буквы, указывающие на зону домена, к которой принадлежит почтовый ящик (ru, com, org и т.д.). Приведенное выше РВ формализует данное описание на языке, понятном компьютеру. И описывает не какой-то конкретный электронный адрес, а все возможные корректные электронные адреса. Таким образом, производится формальное задание множества правильных e-mail'ов с помощью шаблона регулярного выражения. Другие примеры шаблонов – это шаблоны MS Word и html-формы.

Механизм регулярных выражений задает правила построения шаблонов и осуществляет поиск данных по этому шаблону в указанной строке.

В дальнейшем изложении термины РВ и "шаблон" часто будут использоваться как синонимы, но важно понимать, что это не совсем одно и то же. Шаблон задает какой-то тип данных, а РВ – это механизм, который производит поиск и включает в себя шаблон и опции поиска, а также задает язык написания шаблонов.

Регулярные выражения в PHP

Регулярные выражения пришли из UNIX и Perl. Как упоминалось выше, с помощью регулярных выражений можно искать и изменять текст, разбивать строку на подстроки и т.д. В PHP существуют такие удобные и мощные средства работы со строками, как explode (разбиение строки на подстроки), strstr (нахождение подстроки), str_replace (замена всех вхождений подстроки). Возникает вопрос – зачем придумывать что-то еще?

Основное преимущество РВ заключается в том, что они позволяют организовать более гибкий поиск, т.е. найти то, о чем нет точного знания, но есть примерное представление. Например, нужно найти все семизначные номера телефонов, встречающиеся в тексте. Мы не ищем какой-то заранее известный нам номер телефона, мы знаем только, что искомый номер состоит из семи цифр. Для этого можно воспользоваться следующим РВ:

/\d{3}-\d{2}-\d{2}/m

В PHP существует два различных механизма для обработки регулярных выражений: POSIX-совместимые и Perl-совместимые (сокращенно PCRE ). Их синтаксис во многом похож, однако Perl-совместимые регулярные выражения более мощные и к тому же работают намного быстрее. Начиная с версии PHP 4.2.0, PCRE входят в набор базовых модулей и подключены по умолчанию. POSIX-совместимые РВ включены по умолчанию только в версию PHP для Windows.

Основные функции для работы с Perl-совместимыми регулярными выражениями: preg_match(pattern, string, [result, flags]) и preg_match_all(pattern, string, result, [flags]), где:

patternшаблон регулярного выражения ;

string – строка, в которой производится поиск;

result – содержит массив результатов (нулевой элемент массива содержит соответствие всему шаблону, первый – первому "захваченному" подшаблону и т.д.);

flags – необязательный параметр, определяющий то, как упорядочены результаты поиска.

Эти функции осуществляют поиск по шаблону и возвращают информацию о том, сколько раз произошло совпадение. Для preg_match() это 0 (нет совпадений) или 1, поскольку поиск прекращается, как только найдено первое совпадение. Функция preg_match_all() производит поиск до конца строки и поэтому находит все совпадения. Все точные совпадения содержатся в первом элементе массива result у каждой из этих функций (для preg_match_all() этот элемент – тоже массив).

Про "захват" элементов будет рассказано в разделе, посвященном подвыражениям.

Аналогом preg_match является булева функция POSIX-расширения ereg(string pattern, string string [, array regs])

Функция ereg() возвращает TRUE, если совпадение найдено, и FALSE – в противном случае.

Приводимые далее примеры можно тестировать на перечисленных функциях. Например, так:

<?

//строка, в которой нужно что-то найти

$str = "Мой телефонный номер: ".

"33-22-44. Номер моего редактора: ".

"222-44-55 и 323-22-33";

//шаблон, по которому искать.

//Задает поиск семизначных номеров.

$pattern = "/\d{3}-\d{2}-\d{2}/m";

//функция, осуществляющая поиск

$num_match = preg_match_all ($pattern,

                      $str, $result);

//вывод результатов поиска

for ($i=0;$i<$num_match;$i++) 

   echo "Совпадение $i: ".

              $result[0][$i]."<br>";

?>


Синтаксис регулярных выражений

Строгое определение регулярного выражения выглядит довольно громоздко. Начнем с неформального описания.

Регулярное выражение представляет собой строку. Эта строка состоит из собственно регулярного выражения (шаблона), выделенного с помощью специального символа разделителя (это могут быть символы " / " , " | ", " { ", " !" и т.п ) и модификатора, влияющего на способ обработки РВ.

В дальнейшем это описание будет расширено.

Например, в регулярном выражении /\d{3}-\d{2}-\d{2}/m символ " / "является разделителем, \d{3}-\d{2}-\d{2} – непосредственно регулярное выражение (шаблон), а mмодификатор.

Мощь регулярных выражений порождена в основе своей их способностью включать в шаблон альтернативы и повторения. Они кодируются в шаблоне с помощью метасимволов. Метасимвол отличается от любого другого символа тем, что имеет специальное значение.

Одним из основных метасимволов является обратный слэш " \ ". Он меняет тип символа, следующего за ним, на противоположный, т.е. если это был обычный символ, то он МОЖЕТ превратиться в метасимвол, если это был метасимвол, то он теряет свое специальное значение и становится обычным символом (это нужно для того, чтобы вставлять в текст специальные символы как обычные). Например, символ d в обычном режиме не имеет никаких специальных значений, но \d есть метасимвол, означающий "любая цифра". Символ " ." в обычном режиме означает "любой единичный символ", а " \." означает просто точку.

Другое назначение обратного слэша – кодирование непечатных символов, таких как :

\f

Прогон страницы

\n

Новая строка

\r

Возврат каретки

\t

Табуляция

\V

Вертикальная табуляция

\/

Прямая косая черта (/)

\\

Обратная косая черта (\)

\.

Точка (.)

\*

Звездочка (*)

\+

Плюс (+)

\?

Знак вопроса (?)

\|

Вертикальная черта (|)

\(

Открывающая круглая скобка (

\)

Закрывающая круглая скобка )

\[

Открывающая квадратная скобка [

\]

Закрывающая квадратная скобка ]

\{

Открывающая фигурная скобка {

\)

Закрывающая фигурная скобка }

\ххх

ASCII-символ, соответствующий восьмеричному коду XXX 

\хНН

ASCII-символ, соответствующий шестнадцатеричному коду НН

\сХ

Управляющий символ, соответствующий коду X

Специальные символы, используемые при выполнении сравнения по образцу

Символ

Описание

\w

Совпадение с любым алфавитно-цифровым символом.

\W

Совпадение с любым символом, не являющимся алфавитно-цифровым.

\s

Совпадение с любым служебным символом (табуляция, новая строка, возврат каретки, прогон страницы, вертикальная табуляция).

\S

Совпадение с любым символом, не являющимся служебным.

\d

Совпадение с любой цифрой.

\D

Совпадение с любым символом, не являющимся цифрой.

\b 

Совпадение с символом забоя.

.

Совпадение с любым символом кроме символа новой строки.

[...]

Совпадение с любым одним символом, заключенным в скобки.

[^...]

Совпадение с любым одним символом, не заключенным в скобки,

[х-у]

Совпадение с любым символом из диапазона от х до у.

[^х-у]

Совпадение с любви символом, не входящим в диапазон от х до у.

{х,у}

Совпадение с предыдущим элементом не менее х раз и не более у раз.

{х,}

Совпадение с предыдущим элементом не менее х раз.

?

Совпадение с предыдущим элементом не более одного раза.

+

Совпадение с предыдущим элементом хотя бы один раз.

*

Совпадение с предыдущим элементом любое количество раз или ни одного раза.

|

Совпадение с выражением слева или справа от символа |.

(...)

Группировка всего содержимого скобок в подобразец.

Совпадение с символами, которые получены из подобразца в группе номер х. Группы, которые обозначаются скобками, нумеруются слева направо.

^

Установка соответствия с началом строки в многострочных сравнениях.

$

Установка соответствия с концом строки в многострочных сравнениях.

\b

Сравнение позиции между алфавитно-цифровым символом и неалфавитно-цифровым символом.

\B

Сравнение позиции, которая не находится между алфавитно-цифровым символом и неалфавитно-цифровым символом.

Пример использования приведенных выше метасимволов:

/\d\d\d plus \d is \w\w\w/

Это РВ означает: трехзначное число, за которым следует подстрока plus, любая цифра, затем is и слово из трех словарных символов. В частности, данному РВ удовлетворяют строки: " 123 plus 3 is sum ", " 213 plus 4 is 217 ".

Метасимволы, распознаваемые вне квадратных скобок, можно разделить на группы следующим образом: определяющие положение искомого текста в строке, связанные с подвыражениями, ограничивающие символьный класс, квантификаторы и перечисление альтернатив.

Примеры (^ и $)

  1.  Пусть дан такой текст, записанный в виде строки:
  2.  $str = "11 aaa bbb ".
  3.             "ccc 22 ddd ".

             "eee ggg 33";

  1.  Найдем все html-теги, расположенные в начале каждой строки файла 1.htm.

<?

//считываем файл в строку

$str = file_get_contents('1.htm');

$pattern = "!^<[^/]+>!mU";

// осуществляем поиск

$n = preg_match_all ($pattern, 

                    $str, $res);

// выводим результаты 

for ($i=0;$i<$n;$i++)  

  echo htmlspecialchars($res[0][$i]).

                        "<br>";

?>

Шаблон ограничен восклицательными знаками. Первая " ^ " значит, что мы ищем совпадения в начале строк, потом идет символ " < " – его и ищем в строке, после него должно идти все, что угодно, кроме слэша (конструкция " [^/] " ), " + " говорит, что стоящий перед ним символ повторяется один и более раз и заканчивается все это символом " > ". Таким образом, выделяются все теги в начале строк.

  1.  Мы хотим убедиться, что имя автора было записано правильно (сначала фамилия с большой буквы, потом инициалы через точку) и находится в конце строки.

<?php

//считываем файл в строку

$str = file_get_contents('1.htm');

$pattern = "!\s[А-Я][А-Яа-я]+\s([А-Я]\.\s*)([А-Я]\.\s*)$!m";

/* шаблон ограничен восклицательными знаками, m – модификатор, включающий многострочный режим. Первый \s означает, что перед  фамилией должен идти пустой  символ (например, пробел).  [А-Яа-я] задает одну из букв  алфавита в любом регистре, а в  комбинации со знаком плюс  определяет, что эта буква  повторяется один и более  раз. Следующий \s означает, что  между фамилией и инициалами  должен быть пробел. Далее идет подвыражение,  определяющее инициалы. Это буква от А до Я, после которой стоит точка ('\.') Экранируем точку, чтобы   избавиться от ее специального   значения. После буквы с точкой  может идти или не идти пробел  или несколько. Вся конструкция  повторяется минимум два раза. Последний символ $ означает, что фамилия с инициалами должны находиться в конце  строки.  осуществляем поиск */

$n = preg_match_all ($pattern,

                    $str, $res);

// выводим результаты

for ($i=0;$i<$n;$i++) 

  echo htmlspecialchars($res[0][$i]).

                        "<br>"; 

?>

Примеры ( | и .)

  1.  Пусть имеется некий текст. Нам нужно найти всех упомянутых в нем людей со званиями.

<?

$str = "Доцент Смирнов совершил ". 

  "открытие. Его учителем была ".

    "профессор Иванова. ".

      "Этим открытием Смирнов ".

       "завоевал себе степень ".

         "доктора. Раньше он был ".

          "только кандидат.";

$pattern = "/(профессор|доцент)".

           "\s[А-Я][А-Яа-я]+(\s|\.)/i";

// осуществляем поиск

$n = preg_match_all ($pattern, $str,

                               $res);

// выводим результаты

for ($i=0;$i<$n;$i++) 

  echo htmlspecialchars($res[0][$i]).

                        "<br>";

?>

Метасимвол прямая черта " | " позволяет задавать альтернативные варианты. В примере мы хотели найти всех профессоров или доцентов. Для этого было создано подвыражение " (профессор|доцент) ". После звания через пробел фамилия человека, которому оно принадлежит, – для этого существует комбинация " \s[А-Я][А-Яа-я]+ ". После фамилии идет либо опять пробел, либо точка, если это конец предложения. Получаем опять два альтернативных варианта: " (\s|\.) " (здесь точка экранируется обратным слэшем, чтобы она понималась как обычная точка, без специального значения).

Подвыражения (подшаблоны)

В нескольких примерах мы уже использовали подвыражения. Настало время разобраться, что же это такое и какими свойствами они обладают

В РВ подшаблоны выделяют, заключая в круглые скобки. Для их обозначения кроме термина " подшаблон " также используют термин " подвыражение ". Подшаблоны могут быть вложенными. Выделение части регулярного выражения в виде регулярного подвыражения делает следующее.

  1.  Локализует множество альтернатив.

Например, шаблон

жар(кое|птица|)

совпадает с одним из слов " жаркое ", " жарптица " и " жар ". Тогда как без скобок это было бы " жаркое ", " птица " и пустая строка.

  1.  Устанавливает подшаблон как "захватывающий" подшаблон. Это значит, что, когда какая-то подстрока в тексте совпала с шаблоном, все подстроки, которые совпали с подшаблонами этого РВ, тоже возвращаются в качестве результата. Скобки, обозначающие начало подшаблона, пересчитываются слева направо (начиная с 1) для того, чтобы узнать, сколько подшаблонов нужно захватить.

Например, имеется такой шаблон:

победитель получит

      ((золотую|позолоченный)

                 (медаль|кубок))

и строка, в которой ищутся совпадения с этим шаблоном: " победитель получит золотую медаль ". Тогда кроме этой фразы будут еще захвачены и выданы как результаты поиска следующие совпадения в подвыражениях: " золотую медаль ", " золотую ", " медаль ", пронумерованные 1, 2, 3 соответственно.

Однако это не всегда удобно. Для того чтобы избавиться от "захватывающего" эффекта подвыражения, после открывающей скобки пишут " ?:". Тогда это подвыражение в результат поиска не включается и при нумерации остальных подшаблонов с "захватывающим" эффектом не учитывается.

победитель получит

     ((?:золотую|позолоченный)

                 (медаль|кубок))

Пример 5.1. Применение ?:

Тогда в условиях предыдущего примера получим искомую строку " победитель получит золотую медаль " и строки " золотую медаль ", " медаль ", пронумерованные 1 и 2 соответственно.

Если в html-файле название находится после <body> и отделено от него только пробелами или переводами строк, заключено в тег <h1> и после него тоже может идти сколько-то пробелов и переводов строк, то его можно найти с помощью следующего скрипта:

<?

//считываем файл в строку

$str = file_get_contents('1.htm');

$pattern = "/<body.*?>[\n\s]*<h1>".

             "(.*?)<\/h1>[\n\s]*/m";

// осуществляем поиск

$n = preg_match_all ($pattern, $str, $res);

echo $res[1][0]; // выводим заголовок

?>

Пример 5.2. Поиск названия в html-файле

Заметим, что здесь выводится первое захваченное подвыражение, поскольку нам интересно только само название, а не все РВ. Так как в этом РВ есть только одно подвыражение, то его значение содержится в нулевом элементе первого массива результатов.

Повторения (квантификаторы)

В предыдущих примерах мы часто писали комбинации типа \d\d. Это значит, что цифра должна повторяться два раза. А что же делать, если повторений очень много или мы не знаем, сколько именно? Оказывается, нужно использовать специальные метасимволы.

Повторения описываются с помощью так называемых квантификаторов ( метасимволов, задающих количественные отношения). Существует два типа квантификаторов: общие (задаются с помощью фигурных скобок) и сокращенные (это исторически сложившиеся сокращения наиболее распространенных квантификаторов ).

Квантификаторы могут следовать за любым из перечисленных элементов:

  •  одиночный символ (возможно, в комбинации с обратным слэшем );
  •  метасимвол "точка";
  •  символьный класс;
  •  обратная ссылка (о них расскажем позднее);
  •  подшаблон.

Общие квантификаторы задают минимальное и максимальное число дозволенных повторений элемента; эти два числа, разделенные запятой, заключаются в фигурные скобки. Числа не должны превышать 65 536 и первое число должно быть меньше или равно второму. Например,

x{1,3}

говорит о том, что символ "x" должен повторяться минимум один, а максимум три раза. Соответственно этому шаблону удовлетворяют строки: x, xx, xxx.

Если второй параметр отсутствует, но запятая есть, то повторений может быть сколько угодно. Таким образом,

[aeuoi]{2,}

значит, что любой из символов " a ", " e ", " u ", " o ", " i " в строке может повторяться два и более раз, а регулярное выражение

\d{3}

задает ровно три цифры.

Сокращенные квантификаторы задают наиболее используемые количественные отношения (повторения). Они придуманы для удобства, чтобы не перегружать и без того сложные выражения лишним синтаксисом.

Исходя из исторических традиций три наиболее часто встречающихся квантификатора имеют следующие обозначения:

* эквивалентно {0,} – то есть это ноль и более повторений;

+ эквивалентно {1,} – то есть это одно и более повторений;

? эквивалентно {0,1} – то есть это ноль или одно повторение.

Есть еще один важный момент, на который стоит обратить внимание при изучении квантификаторов. По умолчанию все квантификаторы "жадные", они стараются захватить как можно больше повторений элемента. То есть если указать, что символ должен повторяться один и более раз (например, с помощью * ), совпадение произойдет со строкой, содержащей наибольшее число повторений указанного символа. Это может создать проблемы, например, при попытке выделить комментарии в программе на языке Cи или PHP. Комментарии в Cи и PHP записываются между символами /* и */, внутри которых тоже могут встречаться символы * и /. И попытка выявить Си-комментарии с помощью шаблона

/\* .* \*/

в строке

/* первый комментарий */

    не комментарий

/* второй комментарий */

не увенчается успехом из-за "жадности" элемента " .* " (будет найдена также строка "не комментарий").

Для решения этой проблемы нужно написать знак вопроса после квантификатора. Тогда он перестанет быть "жадным" и попытается захватить как можно меньшее число повторений элемента, к которому он применен ( квантификатор применяется к элементу, что стоит перед ним). Так что шаблон

/\* .*? \*/

успешно выделяет Си-комментарии.

В PHP существует опция PCRE_UNGREEDY, которая делает все квантификаторы "не жадными" по умолчанию и "жадными", если после них идет знак вопроса.

<?

/* Рассмотрим html-файл, где имеется следующая строка: */

$str = "<div id=1>Привет</div> ".

  "<p>Текст, не заключенный в тег ".

       "div</p><div id=2>Пока</div>";

/* Если мы хотим найти текст,  содержащийся между тегами div, естественно написать такой шаблон: */

$pattern = "!<div id=1>.*</div>!si";

/* Но этот шаблон слишком "жадный"  и захватит также и текст, заключенный в нашем примере между тегами <p>. Чтобы этого избежать, нужно написать следующий шаблон, отличающийся только наличием знака вопроса, который запрещает квантификатору быть "жадным". */

$pattern1 = "!<div id=1>.*?</div>!si";

/* Запускаем поиск в строке $strсовпадений с шаблонами $pattern и $pattern1 */

$s = preg_match_all ($pattern, $str,

                               $res);

$js = preg_match_all ($pattern1,

                        $str, $res1);

//выводим результаты поискафункция htmlspecialchars позволяет выводить html без его обработки браузером

echo "Жадный шаблон:". 

      htmlspecialchars($res[0][0]).

                              "<br>";

echo "Нежадный шаблон:".

       htmlspecialchars($res1[0][0]);

?>

Пример 5.3. Использование "жадных" квантификаторов

Результаты работы скрипта:

"Жадный" шаблон:<div id=1>Привет</div>

<p>Текст,не заключенный в тег div</p>

<div id=2>Пока</div>

"Нежадный" шаблон:<div id=1>Привет</div>

Теперь мы в принципе можем решить задачу выделения содержания из html-файла, если оно заключено в теге <div id=content>. Предлагаем читателям проделать это самостоятельно.

Модификаторы PCRE

Еще один немаловажный элемент регулярного выражения – это список применяемых к нему модификаторов. Модификаторы – это выдаваемая интерпретатору регулярных выражений инструкция по обработке данного выражения. Например, считать, что все символы регулярного выражения соответствуют как большим, так и маленьким буквам в строке, где производится поиск.

Обозначение

Описание

i ( PCRE_CASELESS )

Если указан этот модификатор, то буквы в шаблоне совпадают с буквами и верхнего, и нижнего регистра в строке

m ( PCRE_MULTILINE )

По умолчанию строка, подающаяся на вход интерпретатору РВ, рассматривается как состоящая из одной линии. Этот модификатор включает поддержку многострокового режима

s ( PCRE_DOTALL )

Если установлен этот модификатор, то метасимвол точка " ." совпадает с любым символом, ВКЛЮЧАЯ символ перевода строки

x ( PCRE_EXTENDED )

Заставляет интерпретатор игнорировать пробелы между символами в шаблоне, за исключением пробелов, экранированных обратным слэшем или находящихся внутри символьного класса, а также между неэкранированным символом # вне символьного класса и символом новой строки

U ( PCRE_UNGREEDY )

Этот модификатор инвертирует "жадность" квантификаторов, т.е. они становятся "нежадными" по умолчанию и "жадными" если предшествуют символу " ?"

Регулярные выражения для "продвинутых"

В последующих разделах обсуждаются более сложные конструкции работы с регулярными выражениями, без которых в принципе можно обойтись. Поэтому мы не будем в них особо углубляться, а приведем лишь общие сведения.

Обратная ссылка

Вне определения символьного класса (это тот, что задается квадратными скобками) комбинация обратный слэш и цифра больше нуля (например, \1 ) называется обратной ссылкой и представляет собой ссылку на захваченное ранее регулярное подвыражение. Этих подвыражений ровно столько, сколько открывающихся круглых скобок (после которых нет знака вопроса) стоит левее данного элемента.

Обратная ссылка совпадает с конкретным выбранным значением подвыражения, на которое она ссылается, а не с любым возможным значением этого подвыражения. Таким образом, шаблон

(ответствен|надеж)ный проявляет \1ность

совпадет со строками " ответственный проявляет ответственность ", " надежный проявляет надежность " и не совпадет со строкой " ответственный проявляет надежность ".

Обратные ссылки могут использоваться внутри подвыражений. При первом использовании подвыражения ссылка внутри него не срабатывает, но при последующих повторениях подшаблона она работает, как описано выше.

Утверждения

Утверждение – это проверка символов, следующих до или после текущего символа. Простейшие утверждения закодированы последовательностями \A, \Z, ^, $ и т.д. Более сложные утверждения кодируются с помощью подшаблонов. Постараемся вкратце описать, как это делается.

Существует два типа утверждений: те, что смотрят на текущую позицию в исходной строке ( "смотрящие вперед" ), и те, что смотрят на символы перед текущей позицией ( "смотрящие назад" ).

Утверждения, закодированные подшаблонами, сравниваются как обычные подшаблоны, за исключением того, что при их обработке не происходит изменения текущей позиции.

"Смотрящие вперед" утверждения ищут совпадения в строке за текущей позицией поиска и начинаются с (?= для позитивных утверждений и с (?! для негативных. Например,

\w+(?=;)

совпадает со словом, заканчивающимся точкой с запятой (не включая точку с запятой в результат поиска), и

foo(?!bar)

совпадает с любым появлением foo, после которого нет bar. Как все происходит? Берем строку и ищем в ней foo. Как только нашли, заглядываем вперед (текущая позиция при этом не меняется) и смотрим, идет ли далее bar. Если нет, то совпадение с шаблоном найдено, иначе продолжаем поиск.

Регулярное выражение

(?!foo)bar

не найдет все вхождения bar, перед которыми нет foo, потому что оно "смотрит вперед", а перед ним никаких символов нет. Поэтому в данном шаблоне ?!foo всегда верно.

"Смотрящие назад" утверждения ищут совпадения перед текущей позицией. Позитивные утверждения этого типа начинаются с (?<=, негативные – с (?<! . Смотрящим назад утверждениям позволено искать только строки фиксированной длины, т.е. в них нельзя использовать квантификаторы. Например,

(?<!foo)bar

находит все появления bar, перед которыми нет foo.

В начале лекции мы хотели научиться находить в html-файле упоминание об авторе. Это можно сделать с помощью "смотрящих назад" утверждений в РВ (хотя можно и проще).

<?

//считываем файл в строку

$str = file_get_contents('1.htm');

$pattern = "/(?<=Автор:)\s[А-Я]".

       "[а-я]*\s([А-Я]\.\s*){1,2}/m";

// осуществляем поиск

$n = preg_match_all ($pattern, $str, $res);

// выводим результаты

for ($i=0;$i<$n;$i++)  

  echo htmlspecialchars($res[0][$i])."<br>";

?>

Пример 5.4. Смотрящие назад утверждения

Часть РВ после утверждения определяет, что мы ищем строку (ФИО), которая начинается с пробела, большой буквы, затем идут маленькие буквы в произвольном количестве, пробел и инициалы через точку. Утверждение задает то, что перед данной строкой должно стоять "Автор:".

Дату можно вычислить похожим образом. Оставляем это в качестве упражнения.


Условные подвыражения

Как в любом языке программирования, в РВ существуют условные конструкции. Применяются они к подвыражениям. То есть можно заставить процессор РВ выбирать подшаблон в зависимости от условия или выбирать между двумя альтернативными шаблонами в зависимости от результата утверждения или от того, совпал ли предыдущий захваченный подшаблон. Существуют две формы условных подвыражений:

(?(условие)шаблон_выполняемый_если_

          условие_верно)

(?(условие)шаблон_если_условие_верно

   |шаблон_если_условие_неверно)

Существует два типа условий. Если текст между круглыми скобками состоит из последовательности цифр, то условие удовлетворяется, если захваченное подвыражение с этим номером ранее совпало.

( \( )?  [^()]+  (?(1) \) )

Пример 5.5. Условные подвыражения

Первая часть этого РВ опционально совпадает с открывающейся круглой скобкой, и если этот символ присутствует, то устанавливает его как первое захваченное подвыражение.

Вторая часть совпадает с одним или более символами, не заключенными в круглые скобки.

Третья часть РВ – это условное подвыражение, которое проверяет, совпало ли первое множество скобок или нет (попалась ли нам в строке открывающая круглая скобка). Если попалась, то есть объект (строка) начинается с символа " ( ", то условие верно и вычисляется условный шаблон, а именно требуется наличие закрывающей круглой скобки. В противном случае подшаблон ни с чем не совпадает.

Если условие – не последовательность цифр, то оно должно быть утверждением. Это может быть позитивное или негативное "смотрящее вперед" или "смотрящее назад" утверждение.

(?(?=[^a-z]*[a-z])\d{2}-[a-z]{3}-\d{2}

    |\d{2}-\d{2}-\d{2})

Пример 5.6. Условные подвыражения

Условие здесь – позитивное "смотрящее вперед" утверждение. Оно совпадает с любой последовательностью не букв, после которых идет буква. Другими словами, оно проверяет присутствие хотя бы одной буквы в строке для поиска. Если буква найдена, то производится сравнение по первому альтернативному варианту шаблона (\d{2}-[a-z]{3}-\d{2}), иначе – по второму (\d{2}-\d{2}-\d{2}). Этому шаблону удовлетворяют строки двух типов: dd-aaa-dd или dd-dd-dd, где d – любая цифра, a – любая буква.

Заключение

Итак, мы рассмотрели механизм регулярных выражений, их синтаксис и семантику, показали примеры их использования. Безусловно, эта лекция не охватывает все тонкости данного механизма. О регулярных выражениях пишут целые книги! Мы же постарались лишь в общих чертах познакомить читателей с их основами. Вообще механизм регулярных выражений присутствует почти во всех современных языках программирования с небольшими отличиями, но суть остается той же. Так что надеемся, что знания, полученные в процессе чтения этой лекции, помогут при изучении других языков и пригодятся на практике.


 

А также другие работы, которые могут Вас заинтересовать

77330. Возможности оценки сложности параллельного программирования 71.5 KB
  Утверждение о том, что параллельное программирование сложно, стало общим местом в соответствующей специальной литературе еще с 80-ых годов XX века. Вместе с тем, необходимо разобраться, чем же оно сложно и как в этом плане соотносятся различные парадигмы параллельного программирования. Анализ сложности программирования полезен
77331. Веб-система визуализации, анализа и мониторинга работы программ 39.5 KB
  Визуализация процесса и параметров работы программ представляет известный интерес для разработчиков этих программ. В научном плане эти вопросы изучает область визуализация программного обеспечения которая особенно активно развивается на западе. Система предназначена для визуализации анализа и мониторинга работы программных комплексов включая и параллельные программы.
77332. EXECUTION TRACE VISUALIZATION FOR PARALLEL PROGRAMS 26.5 KB
  There re mny interesting systems bsed on execution trce visuliztion. In the report s the review of existing decisions s new pproches to development of execution trce visuliztion will be considered. However the min problem tht occurs when you develop trce visuliztion system is the huge nd evergrowing volume of dt to be nlyzed.
77334. «Хороший» интерфейс на основе жестов для манипулирования 3D-объектами и метод автоматической калибровки оптических камер 38 KB
  Интерфейс фонарика Поскольку любой манипулятор ограничивает набор возможных взаимодействий от него следует отказаться и осуществлять пользовательский ввод при помощи трёхмерных жестов. Данное устройство обладая шестью степенями свободы позволяет осуществлять ввод трёхмерных жестов являясь при этом простым в установке и использовании. В качестве дешёвого манипулятора для ввода трёхмерных жестов был выбран обыкновенный карманный фонарик.
77336. ИНТЕРВЬЮ КАК МЕТОД ИССЛЕДОВАНИЯ ЭФФЕКТА ПРИСУТСТВИЯ В СРЕДАХ ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ 37.66 KB
  Статья посвящена опыту разработки метода исследования переживания эффекта присутствия в средах виртуальной реальности. Ключевые слова: виртуальная реальность; эффект присутствия. Наша работа посвящена исследованию эффекта присутствия основного фактора во многом определяющего виртуальную реальность и отличающего ее от традиционной объемной компьютерной графики.
77337. Использование жестовых интерфейсов при взаимодействии с объектами 151.5 KB
  Задача разработки трехмерных жестовых интерфейсов связана с задачами удаленного взаимодействия с реальными или виртуальными объектами. Таким образом возникает задача разработки новых удобных для осуществления основной деятельности пользователей...
77338. К проблеме психологического влияния сети Интернет 16.5 KB
  Начало XXI века ознаменовалось значительным ростом аудитории сети Интернет. Вместе с этим растет и время проводимое пользователями в сети появились и продолжают появляться разнообразные сервисы в том числе направленные на общение и взаимодействие между людьми. Однако до сих пор не существует единой точки зрения относительно психологического влияния сети Интернет.