PHP fórum : :

Negace bloku textu (Regexp)

anubite — Wed, 17 Mar 2010 21:56:26 +0100

Řešili jsem to moc složitě. Právě jsem našel info o ungreedy modifikátoru. Takhle to funguje. Díky

Negace bloku textu (Regexp)

paranoiq — Wed, 17 Mar 2010 21:39:08 +0100

nechápu co myslíš tou negací

tuším, že to co potřebuješ je preg_match_all() a ungreedy matching – modifikátor „U“

preg_match_all("/<!-- if: (\w*) -->(.*)<!-- endif: \\1 -->/U", $s, $matches);

Negace bloku textu (Regexp)

anubite — Wed, 17 Mar 2010 20:17:20 +0100

Potřeboval bych poradit s následující věci, už si opravdu nevím rady.

Mám následující řetězec, který potřebuju naformátovat:

<?php
$s = "<!-- if: podminka -->Tato podmínka<strong> platí</strong> poprvé!<!-- endif: podminka -->
<!-- if: podminka -->Tato podmínka<strong> platí</strong> podruhé!<!-- endif: podminka -->
";
?>

Pokud použiji kód:

<?php
preg_match("/<!-- if: (\w*) -->(.*)<!-- endif: \\1 -->/",$s,$matches);
?>

Matches je celkem logicky:

<?php
Array
(
    [0] => <!-- if: podminka -->Tato podmínka<strong> platí</strong> poprvé!<!-- endif: podminka --><!-- if: podminka -->Tato podmínka<strong> platí</strong> podruhé!.<!-- endif: podminka -->
    [1] => podminka
    [2] => Tato podmínka<strong> platí</strong> poprvé!<!-- endif: jedna --><!-- if: jedna -->Tato podmínka<strong> platí</strong> podruhé!
)
?>

Já, ale potřebuji kód, který každou podmínku zformátuje zvlášť. Tak mě napadlo negovat ''<!-- if: ", ale nevím jak negovat blok textu.

Jinými slovy aby matches byl:

<?php
Array
(
    [0] => <!-- if: podminka -->Tato podmínka<strong> platí</strong> poprvé!<!-- endif: podminka -->
    [1] => podminka
    [2] => Tato podmínka<strong> platí</strong> poprvé!
)
?>

a podruhé:

<?php
Array
(
    [0] => <!-- if: podminka -->Tato podmínka<strong> platí</strong> podruhé!<!-- endif: podminka -->
    [1] => podminka
    [2] => Tato podmínka<strong> platí</strong> podruhé!
)
?>

Děkuju moc za vaši pomoc :)

Rozdělení stringu na slova a sousloví (Regexp)

pete — Wed, 24 Feb 2010 16:48:30 +0100

nieco taketo?:

<?php
$text = "hello hi čďffds";

$pattern = "/[a-z,áčďěéíňóřšťůúýž]{3,}/i";
preg_match_all($pattern, $text, $matches);

foreach($matches[0] as $v) {
    echo $v;
    echo "<br />";
}
?>

Regularny vyraz – a-z (pismena od a po z) , – oddely dalsie znaky (takze , je ako keby AND), {3,} minimalne tri znaky v [] a max je neobmedzene. i – je modifikator ktory znamena case insesitive, takze nemusis vsetky tie znaky pisat aj vo velkych pismenach.

Rozdělení stringu na slova a sousloví (Regexp)

Jakub Šulák — Tue, 23 Feb 2010 19:54:45 +0100

Zdravím, v reg. výrazech dost tápu, mohl by mi někdo prosím pomoci:

Mám nějaký text, který potřebuji rozložit na slova:

<?php
$pattern = "/([A-Za-záčďěéíňóřšťůúýž]{3,})/";
        preg_match_all($pattern, $this->text, $matches);
?>

Ale kromě jednotlivých slov v $matches bych ještě potřeboval, aby sousloví v (array)$souslovi mi to nevracelo jako zvlášť slova, lze to nějak zahrnout do toho reg. výrazu?

Vypasování emailů ve všech tvarech (Regexp)

Cistax — Fri, 23 Oct 2009 16:14:53 +0200

**Tomik: ** Díky za upozornění, ale tak víš co, rád si hraju :-), takže kdybych se náhodou rozhodl zneužít ty emaily, raději je prodám a pořídím si peníze softwarovou výbavu na další zdokonalování svých aplikací. S nejvyšší pravděpodobností k tomu ale nedojde.

Vypasování emailů ve všech tvarech (Regexp)

Tomik — Fri, 23 Oct 2009 15:36:49 +0200

Cistax napsal(a):

Díky všem. Jinak co se týče toho spamování:-). Napsal jsem si Crawler, který mi indexuje obsah a adresy všech stránek, tak mě napadlo, proč neindexovat i emaily:-)

Opatrně! Na takovou adresu nejsi oprávněn odeslat jakýkoli e-mail, pokud to bude obchodní a nikoli osobní sdělení. :)

Vypasování emailů ve všech tvarech (Regexp)

Cistax — Fri, 23 Oct 2009 14:35:44 +0200

Díky všem. Jinak co se týče toho spamování:-). Napsal jsem si Crawler, který mi indexuje obsah a adresy všech stránek, tak mě napadlo, proč neindexovat i emaily:-)

Vypasování emailů ve všech tvarech (Regexp)

vlki — Fri, 23 Oct 2009 14:02:33 +0200

Pak už stačí jen využít funkce preg_match_all a je vymalováno:)

Vypasování emailů ve všech tvarech (Regexp)

paranoiq — Fri, 23 Oct 2009 13:52:14 +0200

zkuste hledat v googlu třeba heslo „začínáme se spamováním“ ;-]

ale teď vážně. tady je pár kandidátů: http://regexlib.com/Search.aspx?…

Vypasování emailů ve všech tvarech (Regexp)

Cistax — Thu, 22 Oct 2009 20:01:25 +0200

Dobrý den, mám v proměnné $text uložen celý obsah html stránky a potřeboval bych z toho kódu pomocí preg_match_all dostat všechny emaily (a to i tedy ty, pokud je to zapsane <a href=‚mailto:email@mail.cz‘> (bez mezery mezi mailto)). Poradíte mi prosím jak napsat jakoby tu masku pro tu funkci? Díky.

Rozdělení slov pomocí reguláru (Regexp)

kravčo — Wed, 09 Sep 2009 04:25:28 +0200

bude :)

Rozdělení slov pomocí reguláru (Regexp)

David Grudl — Wed, 09 Sep 2009 02:56:18 +0200

nebude to spíš?

preg_match_all('/\b([a-cf-z]+)\b/i',$str,$matches);

Rozdělení slov pomocí reguláru (Regexp)

kravčo — Tue, 08 Sep 2009 16:34:30 +0200

preg_match_all('/([a-cf-z]+)/i',$str,$matches);

Rozdělení slov pomocí reguláru (Regexp)

karel02 — Tue, 08 Sep 2009 16:24:54 +0200

Ahoj, mám následující problém: Mám string

$str = ‚abc qwrde‘;

a rozděluju ho pomocí reguláru

preg_match_all(‚/([A-Za-z]+)/‘,$str,$matches);

to mi najde 2 matche ‚abc‘ a ‚qwrde‘ … já bych chtěl, aby když ve slově najde reg. písmenka ‚d‘ nebo ‚e‘, tak ať tyhle slova přeskakuje… v praxi to znamená, že by teď měl vrátit pouze ‚abc‘, protože ‚qwrde‘ obsahuje písmenka ‚d‘ i ‚e‘.

Když zkusím použít tohle: preg_match_all(‚/([A-Za-z]+[^de])/‘,$str,$matches); tak to pouze ze slova qwrde písmenka ‚de‘ ořeže, ale já to slovo tam nechci vůbec…

pomůže mi někdo? Díky

Regulární výraz nefunguje i když by nejspíš měl (Regexp)

JannBaill — Sun, 07 Jun 2009 17:06:59 +0200

Bylo to tam, díky :).

Regulární výraz nefunguje i když by nejspíš měl (Regexp)

Tomik — Sun, 07 Jun 2009 00:26:55 +0200

Odhadem bych řekl, že to bude tím, že ti tam chybí uzavírají znak > pro tag img:

Správně tedy:

<?php
$a = preg_match_all('#<td  align=\'center\' style=\'width: 50%\'>[\v\s]*<table>[\v\s]*<tr>[\v\s]*<td><img src=\'../pictures/skilly/([\w ]+)\.gif\' alt=\'\'></td>[\v\s]*</tr>[\v\s]*</table>[\v\s]*</td>#i', $text, $result);
?>

(Tedy za část alt=\'\', přijde ještě >.)

Regulární výraz nefunguje i když by nejspíš měl (Regexp)

JannBaill — Sat, 06 Jun 2009 18:05:25 +0200

Zdravím :). Mám tento HTML kód:

<td  align='center' style='width: 50%'>
                 <table>
                    <tr>
                       <td><img src='../pictures/skilly/Cannibalize.gif' alt=''></td>
                    </tr>
                 </table>
              </td>
              <td  align='center' style='width: 50%'>
                 <table>
                    <tr>
                       <td><img src='../pictures/skilly/Cannibalize.gif' alt=''></td>
                    </tr>
                 </table>
              </td>

ze kterého potřebuju vytáhnout cestu k obrázku, což dělám takhle:

<?php
$text = '*kód*';
$a = preg_match_all('#<td  align=\'center\' style=\'width: 50%\'>[\v\s]*<table>[\v\s]*<tr>[\v\s]*<td><img src=\'../pictures/skilly/([\w ]+)\.gif\' alt=\'\'</td>[\v\s]*</tr>[\v\s]*</table>[\v\s]*</td>#i', $text, $result);
?>

Jenže tento výraz mi najde pouze první cestu (cesty se mění, proto regulární výraz). Postupným mazáním jsem zjistil, že víc výsledků najde regulární výraz pouze pokud je takovýto:

<?php
$text = '*kód*';
$a = preg_match_all('#<td  align=\'center\' style=\'width: 50%\'>[\v\s]*<table>[\v\s]*<tr>[\v\s]*<td><#i', $text, $result);
?>

Jakmile na konec výrazu přidám za ,,<" ,,i", výraz najde jenom jednu shodu. Nevíte někdo proč to tak je? Já nad tím dumám už několik hodin a pořád nic :(

Jak napsat toto jako jeden regulár? (Regexp)

kravco — Tue, 26 May 2009 15:34:27 +0200

vrtak-cz napsal(a):

… Je to pro overovani pri zakladani e-mailu.

V tom prípade je to samozrejme v poriadku ;)

Jak napsat toto jako jeden regulár? (Regexp)

vrtak-cz — Tue, 26 May 2009 13:51:41 +0200

jenomže já nechci validovat e-mailovou adresu ale jenom to co je před @. A vystačím si s jednoduchým regulárem.

Jak napsat toto jako jeden regulár? (Regexp)

SniperCZE — Tue, 26 May 2009 12:15:27 +0200

Mozna bych se vykaslal na nejaky sileny vlastnorucni validatory a sahnul po Zend_Validate_EmailAddress

Jak napsat toto jako jeden regulár? (Regexp)

vrtak-cz — Tue, 26 May 2009 10:24:04 +0200

kravco napsal(a):

V tom prípade (najmä ak sa jedná o maily mimo tvojej domény), odporúčam preštudovať niečo o tom, že platná emailová adresa môže naozaj vyzerať divokejšie, napríklad na wikipédii alebo priamo v RFC.

To jsem studoval a taky sem studoval ktere adresy podle RFC jsou ok a presto nemuseji fungovat. Proto jsem zvolil variantu ktera je popsana vyse. Je to pro overovani pri zakladani e-mailu.

Jak napsat toto jako jeden regulár? (Regexp)

kravco — Tue, 26 May 2009 08:47:43 +0200

Díky všem

nAS napsal(a):

Hádám, že to je na ověření platnosti první části e-mailu.

Hádáš správně

V tom prípade (najmä ak sa jedná o maily mimo tvojej domény), odporúčam preštudovať niečo o tom, že platná emailová adresa môže naozaj vyzerať divokejšie, napríklad na wikipédii alebo priamo v RFC.

Sám som používal adresu v tvare -example-@example.com, ktorá neprešla viacerými validátormi aj keď je úplne v poriadku podľa RFC.

Jak napsat toto jako jeden regulár? (Regexp)

vrtak-cz — Tue, 26 May 2009 03:25:06 +0200

Díky všem

nAS napsal(a):

Hádám, že to je na ověření platnosti první části e-mailu.

Hádáš správně

Jak napsat toto jako jeden regulár? (Regexp)

nAS — Mon, 25 May 2009 19:54:53 +0200

kravco napsal(a):

Dobrý smer, no stále to nestačí, neprejdú ti platné reťazce, ktoré majú na druhej pozícii bodku, napríklad „a.b“ alebo „a.bbbbbbbb“.

Jasně, máš pravdu. Teď už by to snad fakt mělo být ok :)

Jak napsat toto jako jeden regulár? (Regexp)

kravco — Mon, 25 May 2009 16:11:13 +0200

phx napsal(a):

Dve tecky by sly vyloucit pomoci neceho takovehoto:
(\.\.){0}
Nebo se pletu?

Tvoj regulárny výraz matchne čokoľvek (naozaj čokoľvek).

nAS napsal(a):

Já si myslím, že tohle fungovat nebude, protože to nedonutíš, aby to namatchovalo ty 2 tečky zrovna na tohle.

Ale když už jsi mě tak hezky vyhecoval, tak jsem se trochu zamyslel a tohle by snad mělo fungovat:
<?php
function foo($data) {
        return preg_match('%^[a-zA-Z0-9](([a-zA-Z0-9_-]+\.?)*[a-zA-Z0-9])?$%', $data);
}
?>

Dobrý smer, no stále to nestačí, neprejdú ti platné reťazce, ktoré majú na druhej pozícii bodku, napríklad „a.b“ alebo „a.bbbbbbbb“.

Trochu doplnený regulár by to mal zvládnuť:

/^[a-z0-9](?:\.?(?:[a-z0-9_-]+\.?)*[a-z0-9])?$/i

syntax (?: podvýraz ) je podobná ako ( podvýraz ) akurát sa výsledky z matchovania zátvorky nepamätajú (to teraz nepotrebujeme), je to speedup, najmä pri zložitejších výrazoch

pattern modifier //i robí matchovanie case insensitive – netreba vymenúvať veľké i malé písmená

viac info: PCRE manuál @ php.net

Hint: Na uzatváranie regulárnych výrazov používaj radšej jednoduché úvodzovky, ak naozaj nepotrebuješ dvojité… viď poznámka.

Jak napsat toto jako jeden regulár? (Regexp)

nAS — Mon, 25 May 2009 15:21:36 +0200

Já si myslím, že tohle fungovat nebude, protože to nedonutíš, aby to namatchovalo ty 2 tečky zrovna na tohle.

Ale když už jsi mě tak hezky vyhecoval, tak jsem se trochu zamyslel a tohle by snad mělo fungovat:

<?php
function foo($data) {
        return preg_match('%^[a-zA-Z0-9](([a-zA-Z0-9_-]+\.?)*[a-zA-Z0-9])?$%', $data);
}
?>

Jak napsat toto jako jeden regulár? (Regexp)

phx — Sun, 24 May 2009 18:05:58 +0200

Dve tecky by sly vyloucit pomoci neceho takovehoto:

(\.\.){0}

Nebo se pletu?

Jak napsat toto jako jeden regulár? (Regexp)

nAS — Fri, 22 May 2009 14:43:04 +0200

Ty 2 tečky by tam právě být neměly. Hádám, že to je na ověření platnosti první části e-mailu. Ale mám pocit, že v regulárních výrazech nepůjde nijak snadno udělat podmínka na vyloučení dvou teček za sebou. Já bych to dělal takhle:

<?php
if (preg_match('%^[a-zA-Z0-9]$%', $text) ||
        preg_match('%^[a-zA-Z0-9][a-zA-Z0-9\._-]*[a-zA-Z0-9]$%', $text) &&
                (strpos($text, '..') === FALSE))
        return TRUE;
else
        return FALSE;
?>

Ta první podmínka je pouze na ověření jednoho písmene. Pokud jedno písmeno projít nemá, tak se může vyhodit, jak to má SniperCZE.

preg_match jsem volil kvůli tomu, že je rychlejší.

Edit:

To jedno písmeno tam jde vlastně udělat takhle:

<?php
if (preg_match('%^[a-zA-Z0-9]([a-zA-Z0-9\._-]*[a-zA-Z0-9])?$%', $text) &&
        (strpos($text, '..') === FALSE))
        return TRUE;
else
        return FALSE;
?>

Jak napsat toto jako jeden regulár? (Regexp)

SniperCZE — Fri, 22 May 2009 13:07:12 +0200

Tak po chvili premejsleni editovano do teto podoby, ktera by mela bejt ok pro vsechno

<?php
eregi("^[a-z0-9][a-z0-9\._-]*[\.]{2}[a-z0-9\._-]*[a-z0-9]$");
?>

Cili „Zacni retezec, pak jedno pismeno nebo cislo, pak libovolnej (i 0) pocet znaku, pak dve tecky, pak zas libovolnej pocet znaku a nakonec pismeno nebo cislo“

Jak napsat toto jako jeden regulár? (Regexp)

vrtak-cz — Fri, 22 May 2009 11:00:32 +0200

Nejsem žádnej regulárGuru a tak bych potřeboval helfnout. Dá se tohle přepsat do jednoho reguláru?

<?php
function foo($data)
{
        if (!ereg("^[a-zA-Z0-9._-]+$", $data))
                return FALSE;
        elseif (strpos($data, "..") !== FALSE)
                return FALSE;
        elseif ($data[0] == "." || $data[0] == "_" || $data[0] == "-")
                return FALSE;
        elseif ($data[strlen($data)-1] == "." || $data[strlen($data)-1] == "_" || $data[strlen($data)-1] == "-")
                return FALSE;
        else
                return TRUE;
}
?>

RegExp (Perl-compatible) detekce IP adresy (Regexp)

kravco — Fri, 27 Mar 2009 14:13:04 +0100

ZuseX4 napsal(a):

Díky za info, nevěděl jsem, že tři nuly za sebou je nevalidní zápis

Platnosť je z môjho pohľadu otázna, IP adresa je 32-bitové číslo, takýto zápis ho určuje jednoznačne, no existuje aj kratší, ktorý reprezentuje tú istú adresu… Keď chceš akceptovať užívateľský vstup, môžeš akceptovať aj 10.000.00.1, no prezentovať by si mal kanonický zápis.

Bude treba akceptovať aj krátku formu, napr ::1 či minimálne ::, to už asi len tak jednoducho nepôjde.

Má to nějaká specifická pravidla, nebo jde jen o prosté vynechávání?

Dve dvojbodky znamenajú doplnenie nulami, teda ::1 znamená 0000:0000:0000:0000:0000:0000:0000:0001

RegExp (Perl-compatible) detekce IP adresy (Regexp)

ZuseX4 — Fri, 27 Mar 2009 02:02:02 +0100

kravco napsal(a):

Chýba ti spojovník v prvej hranatej zátvorke.

Dík, spraveno

Takisto je otázna platnosť adresy 000.1.2.3 (tri nuly za sebou)

Díky za info, nevěděl jsem, že tři nuly za sebou je nevalidní zápis

Bude treba akceptovať aj krátku formu, napr ::1 či minimálne ::, to už asi len tak jednoducho nepôjde.

Má to nějaká specifická pravidla, nebo jde jen o prosté vynechávání?

RegExp (Perl-compatible) detekce IP adresy (Regexp)

kravco — Tue, 24 Mar 2009 00:25:54 +0100

Chýba ti spojovník v prvej hranatej zátvorke. Vylúčil si adresy 251.x.x.x–254.x.x.x. Takisto je otázna platnosť adresy 000.1.2.3 (tri nuly za sebou), na odstránenie by bolo treba upraviť výraz napr. takto:

#^((25[0-5]|2[0-4][0-9]|1[0-9][0-9]|[1-9]?[0-9])(\.(?!$)|$)){4}$#

ZuseX4 napsal(a):

:) Tušil jsem, že to někdo nadhodí, ale podle mě je situace podobná. Jen se nebude řešit tečka ale dvojtečka. Nebo ještě něco?

Bude treba akceptovať aj krátku formu, napr ::1 či minimálne ::, to už asi len tak jednoducho nepôjde.

RegExp (Perl-compatible) detekce IP adresy (Regexp)

ZuseX4 — Tue, 24 Mar 2009 00:21:18 +0100

paranoiq napsal(a):

tahle ip adresa rozhodně neprojde: 2001:db8::1428:57ab

:) Tušil jsem, že to někdo nadhodí, ale podle mě je situace podobná. Jen se nebude řešit tečka ale dvojtečka. Nebo ještě něco?

RegExp (Perl-compatible) detekce IP adresy (Regexp)

paranoiq — Mon, 23 Mar 2009 23:58:04 +0100

tahle ip adresa rozhodně neprojde: 2001:db8::1428:57ab

RegExp (Perl-compatible) detekce IP adresy (Regexp)

ZuseX4 — Mon, 23 Mar 2009 23:16:19 +0100

Zdravim, zrovna jsem řešil detekci ip adresy. Všude na netu jsem našel pouze hodně dlouhá, neohrabaná řešení. Dostal jsem takovou myšlenku. Všechny řešení, které jsem našel byla založena na tom, že se ip rozdělila na 3 octety s tečkou a 4. octet. Napadlo mě, že by to možná nemuselo být nutné a tak jsem zkoušel vlastní řešení.

Začal jsem od jednoduché detekce octetu (0–255) #(25[0-5]|2[0-4][0-9]|[01]?[0-9]?[0-9])#
Přidal jsem k němu tečku a octet dal do opakování (4×). To jsem dostal něco jako #((25[0-5]|2[0-4][0-9]|[01]?[0-9]?[0-9])\.){4}#
Nyní přišla na řadu poslední tečka – jak se vyvarovat formátu "x.x.x.x."
Napadlo mě, že tři první tečky se liší – následují za nimi totiž čísla (resp. nenásleduje konec řetězce)
Využil jsem tedy šikovného lookahead a dostal jsem tak #((25[0-5]|2[0-4][0-9]|[01]?[0-9]?[0-9])\.(?!$)){4}#
To by však stále nefungovalo, protože místo těčky se musí najít nějaký znak, který mi splní poslední 4. cyklus opakování – použil jsem konec řetězce. Tím jsem dostal #((25[0-5]|2[0-4][0-9]|[01]?[0-9]?[0-9])(\.(?!$)|$)){4}#
Stále to však není dokonalé. Výraz se dá oblafnout pokud za poslední tečku dám ještě nejaký znak – tak jsem to jednoduše zakázal: #^((25[0-5]|2[0-4][0-9]|[01]?[0-9]?[0-9])(\.(?!$)|$)){4}$#

A teď dotazy na závěr. Našel by někdo nějaký nevalidní řetězec, který by kontrolou prošel? Nebo se opravdu jedná o 100% řešení? Popř. máte někdo nějaké ještě lepší řešení? A není moje řešení náročnější než způsob zmíněný na začátku?

Předem díky