Tutorial de expresii regulate în preg_match()

Nota editorului : Acest articol a fost scris de crs12decoder pentru RST.

<?php
$string = "eu cghjb asd gigiigj@yahoo.com si asda";
$pattern = '/cgh/';
preg_match($pattern, $string, $return);
print_r($return);
?>

$variabila reprezintă textul din care extragem informaţii după expresiile regulate.
$pattern reprezintă între conţinând expresiile regulate. Neapărat expresiile se scriu formă linii oblice de mai /[expresie]/.

Scriptul de sus va returna ca cgh dovadă că a în fost găsit string steluţa.

Simbolul *

<?php
$string = "eu cuuuuub asd gigiigj@yahoo.com si asda";
$pattern = '/cu*/';
preg_match($pattern, $string, $return);
print_r($return);
?>

Script-ul va afişa „cuuuuu”.

Prin steluţa, se preiau părţile care încep cu caracterul „c” şi continuă cu zero sau mai multe caractere „u”.

Asemănător este şi simbolul plus +
Singura diferenţă este ca textul preluat trebuie să aibă cel puţin un caracter u după caracterul iniţial „c”.

Semnul întrebării – ?
Ne spune că pot să fie caractere u după caracterul iniţial c sau pot să lipsească.

Expresii din paranteze pătrate
Ţin locul anumitor caractere.

<?php
$string = "eu jksdfb asd gigiigj@yahoo.com si asda";
$pattern = '/j[a-z]/';
preg_match($pattern, $string, $return);
print_r($return);
?>

În pattern avem expresia „j[a-z]”.
Deci se caută string-uri care încep cu litera j şi continuă cu orice altă literă (una singură).

În script-ul de mai sus se va afişa „jk”. Asta pentru ca în string avem „jksdfb”. Începe cu j şi să se mai afişeze încă o literă [a-z] după j în cazul în care această există.

Dacă dorim să preluăm tot cuvântul „jksdfb” folosim expresia „j[a-z]*”.
Dacă o luăm logic, cerem să ni se afişeze ceva care începe cu literă j, şi continuă cu orice altă literă de la a la z. Expresia se opreşte la spaţiul dintre cuvinte deoarece acesta nu este cuprins în [a-z].

Expresiile din paranteze pătrate sunt case sensitive. De exemplu dacă în stringul nostru ar fi „jksDfb”. S-ar afişa doar „jks” deoarece D nu este în [a-z] ci este cuprins în [A-Z].

Pentru a fi afişat întregul cuvânt „jksDfb” punem expresia de forma „j[a-za-Z]*”. Aceasta înseamnă că poate continua cu oricâte caractere cuprinse atât în [a-z] cât şi în [A-Z].

Pentru numere punem la fel condiţia [0-9].
Dacă avem textul „jk2sDfb”, fără condiţia [0-9] ar fi preluat doar „jk”. Oprindu-se la „2”.
Pentru această expresia arată de forma „j[a-za-Z0-9]*”.

Caractere multiple
Pentru caractere multiple scriem numărul tipului de caractere în acolade { }.

Spre exemplu.
Având string-ul „daaa”.
Folosim expresia „da{3}” pentru a marca faptul că dorim părţile care încep cu literă d şi continuă cu exact 3 litere de „a”.
De asemenea putem folosi „da{2,4}” pentru a marca faptul că dorim părţile care încep cu literă d şi continuă cu 2,3,4 (între două sau patru) litere de a.
Sau putem folosi „da{2,}” pentru a marca faptul că dorim să aibă 2 sau mai multe litere de „a”.

Ca demonstraţie practică putem folosi expresiile regulate să extragem e-mail-uri dintr-un string.

<?php
$string = "eu cghjb asd gig_iigj@yahoo.com si asda";
$pattern = '/[a-zA-Z0-9-_.]+@[a-zA-Z0-9]+.[a-zA-z]{2,4}/';
preg_match($pattern, $string, $return);
print_r($return);
?>

Observând pattern-ul am cerut aşa:
String-uri care încep cu orice literă cuprinsă între a-z sau A-Z sau orice număr de la 0 la 9 Sau mai pot conţine simbolul minus „-” sau simbolul underline „_” sau punct „.”

 
 [a-za-Z0-9-_.] 
 

De asemenea simbolul plus + adăugat după „[a-za-Z0-9-_.]” Spune ca poate continuă cu cel puţin încă o literă cuprinsă între a-za-Z0-9 sau „-” , „_” , „.”. DAR va avea la un moment dat un simbol „@” urmat de caractere cuprinse între a-z, A-Z sau 0-9

 
 @[a-za-Z0-9]+ 
 

Şi în continuare trebuie să conţină şi un punct „.” urmat de 2, 3 sau 4 caractere cuprinse între [a-z], [A-Z].

Prin urmare. La e-mail-ul: gig_iigj@yahoo.com şi expresia „[a-za-Z0-9-_.]+@[a-za-Z0-9]+.[a-za-z]{2,4}”

Expresia: [a-za-Z0-9-_.]+ Ţine loc de „gig_iigj”
Expresia: „@” Este chiar „@”
Expresia: [a-za-Z0-9]+ Reprezintă „yahoo”.
Expresia: „.” este chiar punctul de la .com spre exemplu
Expresia: [a-za-z]{2,4} reprezintă com din „.com” Care poate fi „.info” sau „.uk” de aceea trebuie să fie la un range de caractere de minim 2 şi maxim 4.

Mai există şi domenii cu extensii duble . Cum ar fi .co.uk sau .us.com aşa că puteţi folosi expresia [a-za-z.]{2,6}