[Workshop] Regular Expressions

[holunda]

PHP-Code:

$datum_deutsch = $array[3].".".$array[2].".".$array[1] 


??, oder ich hab wieder alles falsch verstanden

[webmichl]

Ups - ich merke gerade, daß ich meine Frage mißverständlich formuliert habe. Was ich meinte, war, das Originaldatum 2003-05-26 direkt im Text ins deutsche Format 26.05.2003 zu wandeln.

Und das geht mit einer einzigen regexp-Anweisung:

perl: $Zeile =~ s/([0-9]{4})-([0-9]{2})-([0-9]{2})/$3.$2.$1/;

php: $Zeile = preg_replace( "/([0-9]{4})-([0-9]{2})-([0-9]{2})/", "$3.$2.$1", $Zeile );


Wie man sieht, arbeitet auch php in diesem Fall mit den $1, $2 und $3-Variablen...

[holunda]

bei deinem code kommt aber 26052003 heraus, oder?

[webmichl]

Nöh...

[holunda]

verstehe, also wird bei preg_replace der Verknüpfungsoperator "." nicht benützt.

Alles klar

[webmichl]

Versteh auch. Nee - in diesem Fall gilt der Punkt als ganz normales Textzeichen.

[webmichl]

[list=1][*]Die Klammern können auch ohne Probleme ineinander verschachtelt werden. Die Index-Zuordnung richtet sich dann nach den öffnenden Klammern: Die erste Klammer kriegt den Index 1, die nächste den Index 2 usw. Wenn wir in unserem Beispiel den kompletten Ausdruck zusätzlich in ein Klammerpaar setzen:

/(([0-9]{4})-([0-9]{2})-([0-9]{2}))/

so liefert der Index-1 das komplette (amerikanische) Datum zurück, Index-2 das Jahr, Index-3 den Monat und Index-4 den Tag.[*]Die Klammern dienen nicht nur der Resultatübergabe, sie sind auch bei der Strukturierung sehr nützlich - wie bei dem IP-Adressen-Beispiel. Auch hier können sämtliche Wiederholungsangaben verwendet werden. Beispiel:

/^Diese regexp liefert( nicht)? wahr zurück.$/

Hier ist's egal, ob im zu prüfenden Text "Diese regexp liefert nicht wahr zurück." oder "Diese regexp liefert wahr zurück." steht - die regexp ist auf jeden Fall wahr.
[/list=1]


Damit nicht nur ich denken muß, mal ne einfache Aufgabe:

Wie müsste eine regexp aussehen, die uns aus einem HTML-Dokument aus allen Links die Domain-Bezeichnung rausfiltert? Also eine, die zB aus einem <a href="http://www.traum-projekt.com/forum/index.php?s="> das www.traum-projekt.com zurückgibt.
Damit's einfacher wird, steht der komplette Link in einer Zeile. Damit's komplizierter wird, wollen wir auch eventuelle ftp-Domains nicht vernachlässigen...

[TobiasKa]

leider hab ich den treat etwas spät gemerkt - bis jetzt komm ich ganz gut mit!
danke für die super erklärungen und einleuchtenden beispiele - ohne die wäre ich changenlos

nochmal kurz zu holunda: so werden die punkte als verbindung gewertet:

PHP-Code:

php: $Zeile = preg_replace( "/([0-9]{4})-([0-9]{2})-([0-9]{2})/", $3.$2.$1, $Zeile ); 


[holunda]

Krieg die Aufgabe leider nicht ganz hin

PHP-Code:

// Ausgangsstring
$string = "<a href='http://www.traum-projekt.com/forum/index.php?s='>";

// Pattern
$pattern = "/<a href='(http|ftp):\/\/(.+)\/(.+)'>/";

$erg = preg_replace($pattern,"Protokoll: $1 &nbsp;&nbsp;&nbsp;Dom: $2 &nbsp;&nbsp;&nbsp;path: $3",$string);

echo $erg; 


Erg:
Protokoll: http Dom: www.traum-projekt.com/forum path: index.php?s=

[webmichl]

Schon ned schlecht......Dein Ansatz hat nur einen kleinen Denkfehler. Ich sach jetzt noch nix - evtl kommst ja selber - oder jemand anderes - drauf. Heute abend - ich schätz mal so gegen 21:00 - gibt's von mir die Auflösung.

[webmichl]

Um einen Link aus einem HTML-Dokument auszufiltern, muß man sich zunächst über den Aufbau eines Verweises Gedanken machen. Klar, er fängt mit einem <A an - aber dann? Die href-Angabe muß nicht zwingend als erster Parameter angegeben werden. Also müssen wir unserer regexp zunächst sagen: "Suche dir das <a und überspringe beliebig viele Zeichen bis zum Text href":

/<a.+href=/

Gut. Bei einem korrekt geschriebenem Code seht der Link in Hochkommata - aber nicht jeder Code ist korrekt geschrieben. Man kann aber davon ausgehen, daß der Link spätestens beim nächsten Blank oder beim schliessenden > endet - diese Zeichen also nicht enthält. Zusätzlich müssen wir berücksichtigen, daß sowohl einfache als auch doppelte Hochkommata möglich sind...

/<a.+href=['"]?([^'"> ]+)/

In der "Treffer-Variablen sollte nun der komplette Link stehen. Wir wollen aber nicht den Link, sondern nur die Domain. Also muß dieser Treffer weiter aufgedröselt werden. Wie Holunda schon richtig formuliert hat, müssen wir zwischen http und ftp untescheiden. Vorsichtshalber nehmen wir noch die https-Option mit:

/<a.+href=['"]?(http[s]?|ftp):\/\/([^'"> ]+)/

Das Fragezeichen in unserer neuesten Zufügung bezieht sich nur auf das s!

Da hätten wir's doch schon fast! Die Bedingung der zweiten Klammer muss nur noch um ein / erweitert werden, dann wird beim ersten Slash / - wenn Unterverzeichnisse angegeben wurden - gestoppt. Wenn kein Unterverzeichnis angegeben wurde, wird der ganze Linktext übergeben:

/<a.+href=['"]?(http[s]?|ftp):\/\/([^\/ "']+)/

Indexwert-1 = Protokoll
Indexwert-2 = Domain

Das Teil ist noch nicht perfekt - Stuck Mojo findet garantiert wieder einen Pfad, der nicht passt.. - aber im Normalfall sollte es passen.

[holunda]

ahhh, habs vertanden,
gibts noch sone nette Aufgabe heute?

[webmichl]

Original geschrieben von holunda
ahhh, habs vertanden

Sehr gut! Setzen!

Neue Aufgabe: OK. Wie sieht's denn aus, wenn mehrere Verweise in einer Zeile stehen? Wie kriegen wir dann alle Domains?

Die Frage ist übrigens nicht ganz so einfach, wie sie im Moment aussieht...

[Stuck Mojo]

Original geschrieben von webmichl
Das Teil ist noch nicht perfekt - Stuck Mojo findet garantiert wieder einen Pfad, der nicht passt.. - aber im Normalfall sollte es passen.

...tststs
Ne du, ich find nix falsches. Der scheint wie die Faust aufs Auge zu passen

[holunda]

Original geschrieben von webmichl
Die Frage ist übrigens nicht ganz so einfach, wie sie im Moment aussieht...

... is mir aufgefallen , habs nicht hingekriegt, weiß nichtmal einen Ansatz für eine Lösung