Question débutant pour une regex

Version imprimable

27/10/2013, 15h28
kaotik

Question débutant pour une regex
Bonjour à tous,

J'ai suivit des tutos et cours débutant pour les regex mais c'est vraiment pas évident au début ...

Je veux utiliser preg_match pour extraire une information d'une page html.
Voici le bout de code :
Code:

1 2 3 4 5 4885 Bonjour 
Je veux extraire le nombre 4885 de ce code.
J'ai essayé avec ça mais ça ne fonctionne pas :

Code:

'# (.+) #iU'

Merci 1000 fois d'avance pour votre aide.
:ccool:
28/10/2013, 08h52
rawsrc

Salut,

essaie avec ce pattern :

Code:

'/(\d+)/i'
28/10/2013, 14h24
tsuji

Pour le texte perçu comme complètement déterministique, voici le pattern en regex à lui (j'ai mis \r\n pour fixer l'idée, pour *nix c'est \n par exemple):

Code:

'#^\r\n[ ]{8} \r\n[ ]{8}4885 \r\n[ ]{8}Bonjour$#';

Maintenant, vous voulez matcher une partie particulière qui peut vous intéresser, donc ça devient comme ceci:

Code:

'# \r\n[ ]{8}4885 $#';

Et puis, il semble une bonne chose de pourtant laisser une partie très indéterminée capturée comme sous-match et vous pensez un fanion PCRE_UNGREEDY est une bonne chose de faire et aussi PCRE_CASELESS, ça devient:

Code:

'# \r\n[ ]{8}(.+) $#iU'; //PCRE_UNGREEDY on

Et puis, vous pensez espace blanche devrait laisser indéterminée et qu'on a un fanion PCRE_UNGREEDY déjà, ça devient ceci:

Code:

'# \s*?(.+) $#iU'; //PCRE_UNGREEDY on; ? pour le renverser

Voilà, c'est fait.

D'ailleurs, je ne pense pas le fanion U est très souhaîtable à mettre en général, comme c'est trop lié à regex de php.

Tu as oublié de prendre en compte tous les caractères blancs (espaces, nouvelles lignes, éventuellement tabulations) dans ton expression. Ce qui fait que ta pattern échoue juste après le premier .

Pour les indiquer, tu peux utiliser la classe de caractères \s qui les contient tous.
Code:

1 2 3 4 5 6 7 8 9 10 11 12 $subject = <<<'EOF' 4885 Bonjour EOF; $pattern = '~ \s+([^<]+) \s+Bonjour~'; if (preg_match($pattern, $subject, $match)) { echo $match[1]; }
Ensuite plutôt que d'utiliser le point et un quantificateur parresseux (.+? ou /°°°.+°°°/U), mieux vaut utiliser une classe de caractère négative (une classe excluant des caractères) et un quantificateur gourmand, pour 3 raisons:

1) C'est bien plus explicite et contraignant (on voit tout de suite où ça s'arrête)
2) C'est beaucoup plus rapide
3) Tu évites le problème des nouvelles lignes que le . ne matche pas (ou alors il faut rajouter le modifier 's' à la fin de la pattern).

Maintenant si tu veux être plus précis et indiquer les sauts de ligne et les espaces ou tabulations, tu peux remplacer les \s+ par \R\h+ où \R est un raccourci pour (?>\r\n|[\r\n]) (ce qui permet de matcher les sauts de ligne quelque soit le système) et où \h est une classe de caractères blancs et horizontaux (comme les espaces et les tabulations)