L'art de l'expression régulière !

[transgohan]

Il y a des temps où les données sont à formater, extraire et j'en passe. Or je rencontre énormément de développeurs qui tombent à bras raccourcis sur les expressions régulières et leur lourdes fonctions de traitement pour régler ces problèmes ?!

Il existe bon nombre d'outils pour résoudre des problèmes et dans certains cas les regex sont à bannir et je dirai même à enterrer vivant dans le jardin de votre grand mère ! (Je vous demanderai de ne pas aller regarder ce qui se trouve sous les pétunias de ma mamie... )

Parser du HTML/XML à coup d'expressions régulières ? Certes ça tient en moins de ligne que d'utiliser DOM ou autre... Mais niveau performance... Hein ?
Ou bien encore un cas que j'ai vu ce matin ! Comment échapper des caractères indésirables ?! Allez hop un coup de preg_replace avec le motif qui va bien !

Non mais oh ! Faudrait penser à essayer d'arrêter l'hémorragie avec autre chose qu'une tronçonneuse...

• Et vous, qu'en pensez-vous ?
• Vous jetez-vous sur les expressions régulières pour résoudre un problème avant de penser à autre chose ?
• Avez-vous vu des cas effarants où l'utilisation de regex était un gouffre de temps pour rien ?

[stealth35]

• parser du DOM : DOMDocument, SimpleXML
• parser du texte formater : sscanf
• parser un date : strtotime, strptime, date_parse_form_format
• parser une URL : parse_url (+ parse_str)
• valider un mail : filter_var + FILTER_VALIDATE_EMAIL
• supprimer les caractères spéciaux : filter_var + FILTER_SANITIZE_STRING + (FILTER_FLAG_STRIP_LOW | FILTER_FLAG_STRIP_HIGH)

si on connait bien tout ça et que ça ne suffit pas on peut se permettre d'utiliser les regex

trop de "débutants" essaient sans comprendre les regex à tord et à travers comme solution pseudo miracle à leurs problèmes.
Et je pense que y'a une réel sensibilisation à faire la dessus.

On utilise les bon outils en premier, on optimise après.

[s.n.a.f.u]

Cela dépend du besoin, parce que parfois une bonne petite regex est plus pratique à utiliser que SimpleXML par exemple.

Entre instantier un simpleXmlElement, lui appliquer la méthode xpath et enfin caster le résultat en string juste pour avoir un titre par exemple, c'est overkill par rapport à une regex bien construite, voire même un simple strstr.

[stealth35]

Envoyé par s.n.a.f.u

Cela dépend du besoin, parce que parfois une bonne petite regex est plus pratique à utiliser que SimpleXML par exemple.

Entre instantier un simpleXmlElement, lui appliquer la méthode xpath et enfin caster le résultat en string juste pour avoir un titre par exemple, c'est overkill par rapport à une regex bien construite, voire même un simple strstr.

c'est un faux probleme, un getElementById est bien plus simple a comprendre que le regex qui va avec, je ne pense pas que t'utilises les regex pour parcourir ton DOM en javascript ? alors pourquoi en PHP ça ne serai pas la même chose ?

je vois pas en quoi c'est "overkill" de faire

Code :

1
2
3
4
5
6
7
 
$doc = new DomDocument();
$doc->loadHTMLFile($url);
 
echo $doc->getElementById('truc')->nodeValue;
 
//temps passé 5 sec, bon courage pour le trouver le bon regex en 5 secondes

[s.n.a.f.u]

Envoyé par stealth35

c'est un faux probleme, un getElementById est bien plus simple a comprendre que le regex qui va avec, je ne pense pas que t'utilises les regex pour parcourir ton DOM en javascript ? alors pourquoi en PHP ça ne serai pas la même chose ?

je vois pas en quoi c'est "overkill" de faire

Code :

En l’occurrence, il ne me faudrait pas beaucoup plus que 5 secondes, mais ta solution est quand même meilleure.

Tu as d'ailleurs eu une très bonne citation :

trop de "débutants" essaient sans comprendre les regex à tord et à travers comme solution pseudo miracle à leurs problèmes.

S'il est vrai qu'il faut évaluer d'autres outils que les regex avant de les utiliser, je voulais juste dire pour leur défense qu'elles ont une mauvaise réputation surtout parce qu'elles sont mal codées.
C'est un peu comme php, qui a (avait, j'espère) la réputation d'un langage de bidouille surtout parce qu'il a été utilisé par des bidouilleurs.

[transgohan]

Envoyé par s.n.a.f.u

Cela dépend du besoin, parce que parfois une bonne petite regex est plus pratique à utiliser que SimpleXML par exemple.

Entre instantier un simpleXmlElement, lui appliquer la méthode xpath et enfin caster le résultat en string juste pour avoir un titre par exemple, c'est overkill par rapport à une regex bien construite, voire même un simple strstr.

S'il est possible d'utiliser strtr ton regex tu peux le jeter.
De plus je rejoins Stealth35... Quand vous aurez une application qui explose la mémoire du serveur et qui est trop longue d'exécution vous y reviendrez à remplacer vos regex, donc autant prendre de bonnes habitudes dès le début et les utiliser comme il se doit.

On est pas en train de dire que les regex c'est le mal, on est en train de dire que les regex à toutes les sauces c'est mal...
C'est comme de tartiner de nutella tout ce que vous mangez parce que le nutella c'est bon... Vous avez déjà testé un filet mignon au nutella ?

Personnellement j'ai eu à reprendre des applications où les gars avaient fait tous leur tests avec des regex... Vous trouvez sérieusement que ceci est optimisé :

Code php :

if( preg_match('/^([0-9]+$/',$chaine) )

???
J'ai envie de vomir quand je vois ça personnellement.

[stealth35]

une méthode simple pour bien connaitre PHP

http://php.net/manual/en/indexes.php
a chaque fonctions que vous ne connaissez pas, aller à quoi elle correspond

[Shikiryu]

Envoyé par transgohan

Code php :

if( preg_match('/^([0-9]+$/',$chaine) )

???
J'ai envie de vomir quand je vois ça personnellement.

Surtout qu'elle est erronée. Manque une parenthèse fermante.

Bref, +1 pour les bons outils au bon moment et d'éviter les regex

[s.n.a.f.u]

Envoyé par transgohan

S'il est possible d'utiliser strtr ton regex tu peux le jeter.

On ne peut plus vrai !
C'est d'ailleurs un conseil que je donne : toujours envisager strstr avant de se lancer dans les regex

De plus je rejoins Stealth35... Quand vous aurez une application qui explose la mémoire du serveur et qui est trop longue d'exécution vous y reviendrez à remplacer vos regex, donc autant prendre de bonnes habitudes dès le début et les utiliser comme il se doit.

On est pas en train de dire que les regex c'est le mal, on est en train de dire que les regex à toutes les sauces c'est mal...
C'est comme de tartiner de nutella tout ce que vous mangez parce que le nutella c'est bon... Vous avez déjà testé un filet mignon au nutella ?

+1

Vous trouvez sérieusement que ceci est optimisé :

Code php :

if( preg_match('/^([0-9]+$/',$chaine) )

??? J'ai envie de vomir quand je vois ça personnellement.

A part l'erreur de parenthèse qui est juste une faute de frappe, en quoi cette expression est-elle si horrible ?
Quelle est votre méthode ?

[stealth35]

Envoyé par s.n.a.f.u

A part l'erreur de parenthèse qui est juste une faute de frappe, en quoi cette expression est-elle si horrible ?
Quelle est votre méthode ?

is_numeric, ou filter_var avec FILTER_VALIDATE_INT

[s.n.a.f.u]

Envoyé par stealth35

is_numeric, ou filter_var avec FILTER_VALIDATE_INT

is_numeric ne peut convenir seul du fait de la grande variété de valeurs qu'ils considèrent numériques.
FILTER_VALIDATE_INT est un bien meilleur choix, mais êtes vous sûr qu'il ne valide pas les entiers négatifs si on ne lui adjoint pas des options ?
Honnêtement, je ne m'en rappelle plus, mais quoi qu'il en soit, filter_var est une excellente fonction dont il ne faut pas hésiter à abuser.

Mais de là à vomir sur le simple /^[0-9]+$/ qui présente l'avantage d'annoncer clairement l'intervalle validé, il ne faut pas pousser.
Comme au niveau perfs, on doit en être à la microseconde, non ?

Et si on prend le temps d'une optimisation triviale du genre /^[0-9]+$/S
ça ne me semble pas si moche.

[Shikiryu]

+1 pour is_numeric() quand on voit que '1e4' est de type numérique (pour PHP).
Par contre, clairement, je préfère utilisé un filter_var() plutôt qu'une regex, ne serait-ce que pour la clarté du code. Après, c'est sûr, celle-ci n'est pas la pire regex mais c'est un peu sortir l'artillerie pour pas grand chose.

/^\d+$/S est super clair

[s.n.a.f.u]

Envoyé par Shikiryu

Par contre, clairement, je préfère utilisé un filter_var() plutôt qu'une regex, ne serait-ce que pour la clarté du code.

Encore une fois, au niveau clarté, je ne sais pas lequel est le meilleur.
Es-tu sûr que FILTER_VALIDATE_INT ne valide pas les négatifs ? (joues le jeu, ne regarde pas la doc )

L'intervalle [0-9]+ est clair, net et précis. Aucune ambiguité.
Alors lequel est le plus clair ?

[transgohan]

Envoyé par s.n.a.f.u

Encore une fois, au niveau clarté, je ne sais pas lequel est le meilleur.
Es-tu sûr que FILTER_VALIDATE_INT ne valide pas les négatifs ? (joues le jeu, ne regarde pas la doc )

L'intervalle [0-9]+ est clair, net et précis. Aucune ambiguité.
Alors lequel est le plus clair ?

Un exemple avec filter_var pour tester les entiers non négatifs :

Code php :

1
2
if( filter_var($entier, FILTER_VALIDATE_INT, array('options' => array('min_range' => 0))) )
  echo $entier . 'est un entier positif.';

Et on peut faire des choses encore plus compliquées avec cette fonction.
Et en terme de performance c'est bien plus rapide qu'une regex.

[stealth35]

Envoyé par Shikiryu

/^\d+$/S est super clair

oui mais (y'a toujours un mais) \d valider tout les autres caractères du type digit donc en utf-8 ou suivant la locale : cette chaine est valide :

٢0߅߉৬৯5

[s.n.a.f.u]

Envoyé par transgohan

Un exemple avec filter_var pour tester les entiers non négatifs :

Code php :

Et on peut faire des choses encore plus compliquées avec cette fonction.

Je suis moi aussi un grand fan de cette fonction.
Je veux juste jouer à l'avocat du diable...

Envoyé par transgohan

Et en terme de performance c'est bien plus rapide qu'une regex.

C'est à dire, tu peux nous donner un ordre d'idée ou un benchmark ?

[transgohan]

Ah beh zut... Vais retourner ma veste et tout faire en Regex moi maintenant.

Les tests suivants proviennent d'un test sur 20 000 itérations sur chaque fonction.
Dans l'ordre suivant : filter_var(tel que je l'ai présenté), regex (/^[0-9]+$/), regex (/^[0-9]+$/S).

2.394325E-5
2.303855E-5
2.222855E-5

Et un second jet
2.3857849999999E-5
2.35077E-5
2.297965E-5

La seule chose que j'ai pu remarqué au travers des tests c'est que le temps moyen du filter_var ne variait que très peu alors que pour les regex c'était très élastique (sans pour autant dépasser le filter_var).

Par contre si on ne rajoute pas d'option (vérification des positifs) la fonction filter_var devient plus rapide.
2.059795E-5
2.39526E-5
2.3214E-5

Comble du malheur par contre on inverse la donne en recherchant des nombres quelconques ou strictement négatifs.
1.819712E-5
2.610805E-5
2.614045E-5

A noter que la solution suivante est la plus rapide de toute :

Code php :

if( is_numeric($nombre) && $nombre >= 0 )

1.6809749999999E-5

[s.n.a.f.u]

CQFD.

Et pourtant, dans un cas pareil, j'utiliserais quand même var_filter, car il est très lisible.

Ceci dit, tu devrais faire quelque chose pour tes maux d'estomac...

[s.n.a.f.u]

Envoyé par transgohan

A noter que la solution suivante est la plus rapide de toute :

Code php :

if( is_numeric($nombre) && $nombre >= 0 )

1.6809749999999E-5

Mais elle ne convient pas : cas du 1.5

Note pour les benchs : il faut tester un cas qui marche ET un cas qui ne marche pas.

Si j'ai le temps, je vais le faire, par curiosité.

[nextdev]

Salut,
filter_var n'est surement pas une bonne solution niveau performance.
Il vaut mieux une fonction "spécifique" selon ce que vous voulez traiter.

Par exemple, on va pas faire une regex ou un filtervar pour tester q'une variable est vide, ou qu'elle est bien égale à un entier.

Pour l'histoire is_numeric sur entier, je recommande cette manière :

Code :

if(intval($entier) > 0) {

Mais normalement la var est deja définie avant en entier, donc un simple if($entier > 0) suffit.

Sinon pour les cas avec == ou >=,
utilisez les en strictement, genre === ou >==,
refait tes bench avec ça transgohan, tu va voir la diff encore
Bon biensure il faut avoir bien réglé le type de ses variables... et c'est la qu'on trouvera aussi un gain, avec notre php soit disant pas typé...

Sur chiffre à virgule ("point" plutot), j'utilise ce controle la sur le chiffre qui est envoyé :

Code :

$chiffre = floatval(str_replace(',','.',$chiffre));