Версия для печати темы Нажмите сюда для просмотра этой темы в оригинальном формате

Форум программистов > PHP: Тексты > необязательная часть регулярки

Автор: gta4kv 14.4.2008, 21:44

всем доброй ночи. в регулярках как не варил, так и не варю) есть регулярка: Код "#\[youtube\]http:\/\/(ru|tw|jp|kr|au|br|ca|de|es|fr|ie|it|mx|nl|nz|pl|ul|.)youtube.com\/watch[?]v=([a-zA-Z0-9-_.=]+)\[/youtube\]#is" как сделать что бы поддомен был не обязателен? Т.е можно и ru.youtube.com и просто youtube.com? заранее благодарен

Автор: Sannis 14.4.2008, 21:53

Доброй. Например так: Код "#\[youtube\]http://((ru|tw|jp|kr|au|br|ca|de|es|fr|ie|it|mx|nl|nz|pl|ul)\.){0,1}youtube.com\/watch[?]v=([a-zA-Z0-9-_.=]+)\[/youtube\]#is" или Код "#\[youtube\]http://(ru\.|tw\.|jp\.|kr\.|au\.|br\.|ca\.|de\.|es\.|fr\.|ie\.|it\.|mx\.|nl\.|nz\.|pl\.|ul\.|)youtube.com\/watch[?]v=([a-zA-Z0-9-_.=]+)\[/youtube\]#is" Слеши в http:// нужно было бы экранировать если бы слеш использовался в качестве ограничителей, а у вас стоят диезы. Гуру, поправьте, если можно проще  Первая выглядит "приятнее", но какая работает быстрее?

Автор: gta4kv 14.4.2008, 22:11

Sannis, пасибо))

Автор: source777 15.4.2008, 00:02

Код "#\[youtube\]http:\/\/((ru|tw|jp|kr|au|br|ca|de|es|fr|ie|it|mx|nl|nz|pl|ul)\.)?youtube.com\/watch[?]v=([a-zA-Z0-9-_.=]+)\[/youtube\]#is" Чтобы пометить часть регулярки как необязательную существует символ "?" Я бы упростил до Код "#\[youtube\]http://(\w\w\.)?youtube.com/watch\?v=([\w\d_.=-]+)\[/youtube\]#is"

Автор: SelenIT 15.4.2008, 05:38

Насколько мне известно, \d входит в \w (равно как и _), поэтому \w\w для двух букв - это уж слишком упрощение . Кроме того, в некоторых локалях в \w могут попасть и русские буквы (хотя вряд ли их вставят в соотв. bb-код, но все же). Цитата(Sannis @  14.4.2008,  21:53 ) Первая выглядит "приятнее", но какая работает быстрее? Имхо, одинаково. Быстрее должно стать, если сделать скобки незахватывающими (?: ... ), а еще лучше однократными (?> ... ).

Автор: sTa1kEr 15.4.2008, 12:31

Цитата(source777 @  15.4.2008,  01:02 ) Я бы упростил до Я так полагаю, что автор не от нечего делать перечислил все суб домены, что бы их просто так вот упрощать. Цитата(source777 @  15.4.2008,  01:02 ) watch[?]v= Забавно   Это новый способ экранирования? Работать, конечно, будет, но лучше все-таки экранировать традиционным способом при помощи обратного слеша. Цитата(Sannis @  14.4.2008,  22:53 ) [a-zA-Z0-9-_.=]\[/youtube\]#is А вот это уже грубая ошибка. Знак '-' в сете надо обязательно экранировать. И еще зачем тут знак '=' ? Цитата(source777 @  15.4.2008,  01:02 ) ([a-zA-Z0-9-_.=]+)\[/youtube\]#is Нет смысла перечислять оба регистра букв, если стоит модификатор 'i'.  Единственный случай, когда это может использоваться - это для русских букв при криво настроенной локали. Но в этом случае это может привести к багам с экзотическими кодировками. Цитата(SelenIT @  15.4.2008,  06:38 ) Быстрее должно стать, если сделать скобки незахватывающими (?: ... ), а еще лучше однократными (?> ... ).  Со вторым согласен, а вот насчет того что незахватывающие скобки сколько-нибудь сильно ускорят регулярку - очень сомневаюсь. Имхо, есть смысл только для того что бы удобнее было работать с результатами. Цитата(Sannis @  14.4.2008,  22:53 ) Первая выглядит "приятнее", но какая работает быстрее? Хороший пример сложных регулярок, выглядящих "приятно", есть у Котерова. К примеру, http://dklab.ru/wsvn/lib/DbSimple/trunk/lib/DbSimple/Generic.php, метод _expandPlaceholdersFlow.

Автор: source777 15.4.2008, 18:55

Цитата(sTa1kEr @  15.4.2008,  12:31 ) Нет смысла перечислять оба регистра букв, если стоит модификатор 'i'.  В том примере, я просто добавил ? к исходному выражению, а в упрощенном варианте уже исправил эту избыточность... Цитата(SelenIT @  15.4.2008,  05:38 ) поэтому \w\w для двух букв - это уж слишком упрощение ОК, тогда упростим до [a-z]{2}

Автор: sTa1kEr 15.4.2008, 23:11

Цитата(source777 @  15.4.2008,  19:55 ) В том примере, я просто добавил ? к исходному выражению, а в упрощенном варианте уже исправил эту избыточность... В общем-то я к автору топика обращался, просто ваш пост ближе для цитирования оказался    А вот ошибку с -(тире) вы благополучно переняли у gta4kv

Автор: source777 16.4.2008, 12:31

Цитата(sTa1kEr @  15.4.2008,  23:11 ) А вот ошибку с -(тире) вы благополучно переняли у gta4kv Тут ты уже ошибаешься, обрати внимание, я поместил "-" последним символом в диапазоне, и это совершенно правильно, т.к. в таком случае оно не нуждается(rtfm) в экранировании...

Автор: sTa1kEr 16.4.2008, 19:47

source777, И что? У автора в первом посте тоже "в ообщем-то будет работать". Но стоит ему захотеть расширить вашу регулярку, к примеру, добавить ~(тильду) в конец набора символов, и вся регулярка будет работать не правильно. Почему сразу не сделать правильно, заэкранировав спецсимволы, что бы регулярка всегда работала правильно без ошибок? Кстати, еще нужно .(точку) экранировать.

Автор: source777 16.4.2008, 22:03

Цитата(sTa1kEr @  16.4.2008,  19:47 ) Кстати, еще нужно .(точку) экранировать.  Точку в диапазоне не надо экранировать, она там не имеет спец. смысла... Цитата(sTa1kEr @  16.4.2008,  19:47 ) Но стоит ему захотеть расширить вашу регулярку, к примеру, добавить ~(тильду) в конец набора символов, и вся регулярка будет работать не правильно. Почему сразу не сделать правильно, заэкранировав спецсимволы, что бы регулярка всегда работала правильно без ошибок? Так она и будет сразу работать правильно и без ошибок, а если по пьяни(на трезвую то голову сложно забыть, что - должно быть последним символом диапазона) не добавлять в неподходящие места новые символы, то всегда будет так работать, хотя это уже дело вкуса, а поскольку о вкусах не спорят, то думаю нет смысла продолжать эту дискуссию...

Автор: sTa1kEr 16.4.2008, 22:26

Цитата(source777 @  16.4.2008,  23:03 ) Точку в диапазоне не надо экранировать, она там не имеет спец. смысла... Естественно. Я про другую точку говорил. Цитата(source777 @  15.4.2008,  01:02 ) ?youtube.com/ Цитата(source777 @  16.4.2008,  23:03 ) ак она и будет сразу работать правильно и без ошибок, а если по пьяни(на трезвую то голову сложно забыть, что - должно быть последним символом диапазона) не добавлять в неподходящие места новые символы, то всегда будет так работать, хотя это уже дело вкуса, а поскольку о вкусах не спорят, то думаю нет смысла продолжать эту дискуссию... В значении элмента XML знак '>' тоже парсер проглатывает, т.ч можно не заменять XML сущностями - и так сойдет. Главное на пьяную голову не забыть: поставь ты символ '<' и парсер загнется.

Powered by Invision Power Board (http://www.invisionboard.com)
© Invision Power Services (http://www.invisionpower.com)