Регулярные выражения PHP.

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 "$HTTP_USER_AGENT : $HTTP_USER_AGENT
"; echo "VERSION : $regs[1]"; 

Вот результат работы этого кода:

$HTTP_USER_AGENT : Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.0) VERSION : 6.0