Preg_split qui foire un poil

Bonjour,

la question va surement paraitre simple pour pas mal d'entre vous, mais j'ai toujours un problème avec les expressions régulières dans mes fonctions...

Je voudrais faire un explode d'un texte avec comme séparateur les balises HTML <h3>. Mais ces balises peuvent tantôt être vides d'attributs, tantôt avec style="" ou autre.

Voici ce que j'ai naïvement fait :

Code:

---

1 2	$decoupe = preg_split('@(<h3(.*)>)@',$texte);

---

Evidemment, ça ne marche pas :)
Ou est le problème?

Merci

Euhhh pourquoi les @

c pas plutôt:

Code:

---

1 2	$decoupe = preg_split('/<h3(.*)>/',$texte);

---

Aussi en limitant sur le '.' car tout autoriser est peut être trop ?

Bonjour,
Tout d'abord, les parenthèses sont inutiles :
@(<h3(.*)>)@ equivaut à @<h3.*>@

ENsuite, la solution est de rendre le .* de ton expression 'greedy', c'est a dire de prendre le moins de caractère possible qui verifient l'expression :
@<h3.*>@ va perndre ce qui commence par <h3, puis va aller le plus loin possible jusqu'a avoir le dernier signe supérieur de $texte.
@<h3.*?>@ avec le point d'interrogation va chercher la plus petite portion correspondante, soit <h3 jusqu'au 1er signe supérieur.

Z.

Code:

---

*?

---

c'est pas redondant ???
* => 0 ou plus
? facultatif ...

Code:

---

$decoupe = preg_split('@(<h3[^>]*>)@',$texte);

---

Si c'est redondant, c'est que ca ne fonctionne pas pareil d'une version a l'autre de php. Chez moi :

Code:

---

1 2 3 4 5

<?php $texte = "toto<h3 style=\"bla\">bla<h3>pouet"; $decoupe = preg_split('/<h3.*?>/',$texte); var_dump($decoupe); ?>

---

retourne toto, bla et pouet
Sans le ?, toto et pouet. Bla n'est pas retourné !

Effectivement ça marche chez moi de la même manière que chez Zwiter.

Merci pour vos réponses, ça marche très bien :)

Citation:

---

Envoyé par Zwiter

ENsuite, la solution est de rendre le .* de ton expression 'greedy', c'est a dire de prendre le moins de caractère possible qui verifient l'expression

---

L'explication est tout à fait valable, mais le vocabulaire est faux :

- "greedy" signifie "gourmand". C'est le comportement par défaut qui oblige à prendre le plus de caractères possibles.

- le comportement inverse qui correspond à l'explication est qualifié de "ungreedy" pour "non gourmand". C'est l'explication du modifier U qui inverse le comportement.

D'autre part, il est encore plus performant de prendre la solution de SpaceFrog, car dans ce cas on profite du caractère "greedy" en balisant correctement.

Et pour taper dans les coins, la solution la plus performante :

Code:

---

$decoupe = preg_split('@<h3[^>]*+>@',$texte);

---

- Gain de perf car pas de capture en enlevant les parenthèse.
- Gain de perf en utilisant le quantificateur atomique *+ qui neutralise le backtracking

merci pour la lecon, et effectivement je me suis trompé sur le terme !

snaf ça fait plusieurs fois que je te vois utiliser des suites comme:

Code:

---

*+

---

ou

Code:

---

++

---

tu peux expliciter ?

quelle est la différence entre

Code:

---

[^>]*

---

et

Code:

---

[^>]*+

---

C'est un peu touchy à expliquer et je suis fainéant. ;)

Mais heureusement, quelqu'un l'a déjà très bien fait avant moi :

http://www.regular-expressions.info/possessive.html

???
pour

Code:

---

".*+"

---

je vois à pêu près
mais pas du tout pour

Code:

---

"[^"]*+"

---

Citation:

---

Envoyé par SpaceFrog

???
pour

Code:

---

".*+"

---

je vois à pêu près
mais pas du tout pour

Code:

---

"[^"]*+"

---

---

C'est pourtant le même principe.
J'essaie de le traduire :

.*+ = n'importe quel caractère répété 0 ou plusieurs fois sans possibilité de retour arrière

[^"]*+ = n'importe quel caractère répété 0 ou plusieurs fois, sauf les guillemets, sans possibilité de retour arrière

je reste perplexe face aux tests de matchs...
dans certains cas je ne matche rien :(

Pour résumer en gros les regExp possessives sont plus performantes car plus rapide, vu qu'elles abandonnent en cas de non match dans la progression ??

Citation:

---

Envoyé par SpaceFrog

Pour résumer en gros les regExp possessives sont plus performantes car plus rapide, vu qu'elles abandonnent en cas de non match dans la progression ??

---

Voilà !
Elles sont plus performantes pour ne pas matcher. En effet, s'il y a correspondance, cela n'ira pas plus vite, mais s'il n'y en a pas, cela se plantera plus vite car ces modificateurs annulent certaines possibilités de retour arrière.

A utiliser avec précaution, cela peut complètement changer un test.

--- edit ---

Travaux pratiques : analyser les différences de matching :

Code:

---

1 2 3 4 5 6 7 8 9 10 11

<?php $str = 'foobar';   $reg = '/^(.*bar)$/'; preg_match($reg, $str, $m); print_r($m);   $reg = '/^(.*+bar)$/'; preg_match($reg, $str, $m); print_r($m);   $reg = '/^([^b]*+bar)$/'; preg_match($reg, $str, $m); print_r($m);

---