Php : les expressions régulières

Qu\'est-ce qu\'une expression régulière?


Les expressions régulières sont des modèles créés à
l\'aide de caractères
ASCII
permettant de manipuler des
chaînes de caractères, c\'est-à-dire permettant de trouver les portions
de
la chaîne correspondant au modèle. Ce système est emprunté au système
POSIX. De nombreux scripts sous UNIX les utilisent (notamment Perl).





En réalité il s\'agit d\'un système fort ingénieux
(et aussi très
puissant) permettant de retrouver un mot, ou une phrase (et même
beaucoup d\'autres choses en réalité)
dans un texte, ressemblant au modèle que l\'on a construit...



Construire une expression
régulière


Les expressions régulières permettent de rechercher
des occurrences (c\'est-à-dire une suite
de caractères correspondant à ce que l\'on recherche) grâce à une série
de caractères spéciaux. L\'expression régulière en elle-même est donc
une chaîne de caractère contenant des caractères spéciaux et des
caractères standards...




Les symboles ^ et $ indiquent le début ou la fin
d\'une chaîne, et permettent donc de la délimiter.




\"^debut\": chaîne qui commence par \"debut\"
\"fin$\": chaîne qui se termine par \"fin\"
\"^chaîne$\": chaîne qui commence et se termine par \"chaîne\"
\"abc\": chaîne contenant la chaîne \"abc\"



Les symboles *, + et ?, respectivement \"zero ou plusieurs\", \"un ou
plusieurs\", \"un ou aucun\", permettent de donner une notions de nombre.


\"abc+\": chaîne qui contient \"ab\" suivie de un ou plusieurs \"c\" (\"abc\", \"abcc\" ...)
\"abc*\": chaîne qui contient \"ab\" suivie de zero ou plusieurs \"c\" (\"ab\", \"abc\" ...)
\"abc?\": chaîne qui contient \"ab\" suivie de zero ou un \"c\" (\"ab\" ou \"abc\")
\"^abc+\": chaîne commençant par \"ab\" suivie de un ou plusieurs \"c\" (\"abc\", \"abcc\" ...)



Les accolades {X,Y} permettent de donner des limites
de nombre.


\"abc{2}\": chaîne qui contient \"ab\" suivie de deux \"c\" (\"abcc\")
\"abc{2,}\": chaîne qui contient \"ab\" suivie de deux \"c\" ou plus (\"abcc\" etc..)
\"abc{2,4}\": chaîne qui contient \"ab\" suivie 2, 3 ou 4 \"c\" (\"abcc\" .. \"abcccc\")



A noter que le premier nombre de la limite (\"{0,2}\", mais pas \"{,2}\")
est obligatoire. Les symboles vu précedemment (\'*\', \'+\', and \'?\') sont
équivalents à \"{0,}\", \"{1,}\", et \"{0,1}\".




Les parenthèses ( ) permettent de représenter une
séquence de caractères.


\"a(bc)*\": chaîne qui contient \"a\" suivie de zero \"bc\" ou plus



La barre verticale | se comporte en tant qu\'opérateur OU


\"un|le\": chaîne qui contient \"un\" ou \"le\"
\"(un|le) chien\": chaîne qui contient \"un chien\" ou \"le chien\"
\"(a|b)*\": chaîne qui contient une suite de \"a\" ou de \"b\"



Le point . indique n\'importe quel caractère (une fois)


\"^.{3}$\": chaîne qui contient 3 caractères



Les crochets [ ] définissent une liste de caractères autorisés (ou
interdits). Le signe - permet quand à lui de définir un intervalle. Le
caractère ^ après le premier crochet indique quand à lui une
interdiction.


\"[abc]\": chaîne qui contient un \"a\", un \"b\", ou un \"c\"

\"[a-z]\": chaîne qui contient un caractère compris entre \"a\" et \"z\"

\"^[a-zA-Z]\": chaîne qui commence par une lettre
\"^[^a-zA-Z]\": chaîne qui ne commence pas par une lettre





Pour rechercher un caractère faisant partie des caractères spéciaux,
il suffit de le faire précéder
d\'un antislash
(sauf entre crochets)


Un antislash doit donc être doublé!



En effet dans les crochets, chaque caractère représente ce qu\'il est.
Pour représenter un ] il faut le mettre en premier (ou après un ^ si
c\'est une interdiction), un - se met en premier ou en dernier.


\"[\\+?{}.]\": chaîne qui contient un de ces six caractères
\"[]-]\": chaîne qui contient le caractère \"]\" ou le caractère \"-\"



Voici un tableau récapitulatif des caractères
spéciaux utilisés dans les expressions régulières :

















































Caractère Utilité
[] Les crochets définissent une liste de caractères autorisés
() Les parenthèses définissent un élément composé de l\'expression
régulière qu\'elle contient
{} Les accolades lorsqu\'elles contiennent un ou plusieurs chiffres
séparés par des virgules
représentent le nombre de fois que l\'élément précédant les accolades
peut se reproduire
(par exemple p{3,5} correspond à ppp, pppp ou ppppp
- Un moins entre deux caractères dans une liste représente un
intervalle (par exemple [a-d] représente [abcd])
. Le caractère point représente un caractère unique
* Le caractère astérisque indique la répétition indéterminée de
l\'élément la précédant
? Le caractère \"point d\'interrogation indique la présence éventuelle
de l\'élément la précédant
| Occurrence de l\'élément situé à gauche de cet opérateur ou de celui
situé à droite (lard|cochon)
^

  • Placé en début d\'expression il signifie \"chaîne commençant
    par .. \"

  • Utilisé à l\'intérieur d\'une liste il signifie \"ne contenant pas les
    caractères suivants...


$ Placé en fin d\'expression il signifie \"chaîne finissant par .. \"

 


Les classes de caractères




Il peut également être utile de vérifier si une
chaîne contient
des caractères d\'un certain type (numérique, alphanumérique, ...) sans
avoir à les énumérer. Pour cela les expressions régulières
définissent des classes de caractères, dont la syntaxe est :



[:classe:]



Les classes de caractères sont celles définies par UNIX. Voici un
tableau
récapitulant certaines de ces classes :























































Nom de la classe Description
[:alnum:] caractères alphanumériques (équivalent à [A-Za-z0-9])
[:alpha:] caractères alphabétiques ([A-Za-z])
[:blank:] caractères blanc (espace, tabulation)
[:ctrl:] caractères de contrôle (les premiers du code
ASCII
[:digit:] chiffre ([0-9])
[:graph:] caractère d\'imprimerie (qui fait une marque sur l\'écran en quelque
sorte)
[:print:] caractère imprimable (qui passe à l\'imprimante ... tout sauf les
caractères de contrôle)
[:punct:] caractère de ponctuation
[:space:] caractère d\'espacement
[:upper:] caractère majuscule
[:xdigit:] caractère hexadécimal



Voici quelques exemples d\'utilisation des classes de caractère dans une
expression régulière :


chaîne composée d\'un ou plusieurs caractère(s)
alphanumérique(s)


\"^[:alnum:]+$\"

chaîne contenant un caractère de ponctuation ou un caractère
d\'espacement


\"[:punct:]|[:space:]\"

Un nombre


\"^[:digit:]+$\"


Les fonctions de manipulation
d\'expressions régulières


PHP fournit quelques fonctions de bases permettant de
manipuler des chaînes à l\'aide
d\'expressions régulières.




Les fonctions ereg() et eregi()


La fonction ereg() dont la signature est la
suivante :

Booleen ereg(chaîne modele,chaîne texte[,tableau
occurrences])

permet d\'évaluer le texte passer en argument grâce au modèle (qui
est une expression régulière) et stocke toutes les occurrences dans un
tableau passé optionnellement en paramètre. Lorsque la fonction trouve
des occurrences,
elle renvoie true, sinon elle retourne false.


La fonction eregi() dont la signature est
la suivante :

Booleen eregi(chaîne modele,chaîne texte[,tableau
occurrences])

effectue le même travail que sa consoeur ereg(), à la
différence
près qu\'elle n\'est pas sensible à la casse (pas de différenciation
minuscules/majuscules)


$fp = fopen(\"http://www.commentcamarche.net\",\"r\"); //lecture du fichier
while (!feof($fp)) { //on parcoure toutes les lignes
$page .= fgets($fp, 4096); // lecture du contenu de la ligne
}

$titre = eregi(\"(.*)\",$page,$regs); //on isole le titre
/* Le titre commence par ,<br />puis contient n\'importe quelle chaîne,<br />et se termine par */
echo $regs[1]; // on retourne la premiere occurrence trouvée
// Les occurrences se trouvent entre parenthèses
// $regs[0] renvoie toute la chaîne
fclose($fp);

?>




Les fonctions
ereg_replace() et eregi_replace()


La fonction ereg_replace() dont la signature
est la suivante :

chaîne ereg_replace(chaîne modele,chaîne
remplacement,chaîne texte)

Permet de retourner la chaîne texte passée en arguments avec les
occurrences
trouvees remplacées par la chaîne de remplacement.

Pour utiliser les occurrences correspondant au modele dans la chaîne
de remplacement,
il suffit d\'utiliser des parenthèses dans la chaîne modele, puis de
faire référence
à ces éléments dans la chaîne de remplacement en utilisant deux signes
antislash suivi d\'un numéro identifiant l\'élément entre 0 et 9 (les
numéros sont
donnés par ordre d\'imbriquement, puis de gauche à droite, le zéro
représente la chaîne entière).

Le code suivant remplace Toto par Toti Toto...
inutile mais formateur.



$Texte = \"Bienvenue a Toto dans le mondes des expressions régulières\";

$Texte = ereg_replace(\"To(to)\",\"\\\\1ti \\\",$Texte);


Le code suivant (utilisation avancée des expressions régulières)
remplace
un URL par un hypertexte HTML (il remplace toute suite de caractères
de ponctuations et alphanumériques commençant par http://, ou ftp:// par le même texte (sans le http://) entre balises HTML hypertexte...) :



$Texte = \"Bienvenue sur http://www.commentcamarche.net cher ami\";

$Texte = ereg_replace(\"(http://)(([[:punct:]]|[[:alnum:]])*)\",
\"\\\">\\\\2\",$Texte);

La fonction eregi_replace() dont la signature
est la suivante :

chaîne eregi_replace(chaîne modele,chaîne
remplacement,chaîne texte)

effectue le même travail que sa consoeur ereg_replace(), à la
différence
près qu\'elle n\'est pas sensible à la casse (pas de différenciation
minuscules/majuscules).



La fonction split()


La fonction split() possède la syntaxe
suivante :


tableau split (chaîne expression, chaîne texte [, entier limite])

La fonction split() retourne un tableau à partir d\'une chaîne et d\'une
expression régulière. La limite, optionnelle permet de limiter la taille
du tableau retourné. Dans ce cas le dernier élément du tableau contient
le reste de la chaîne.
Si une erreur se produit, split retourne 0.


// découpe une phrase en un tableau de mots
// on utilise split au cas ou plusieurs espaces séparent les mots
$phrase = \"Ceci est une phrase avec trois espaces ici\";

$tableau_mots = split(\" +\",trim($phrase)); // un espace ou plus
?>


La fonction sql_regcase()


La fonction sql_regcase() possède la syntaxe
suivante :


chaîne sql_regcase (chaîne texte)

Elle retourne une expression régulière qui représente la chaîne passée
en paramètre sans tenir compte de la case.
Chaque caractère de la chaîne est representé entre crochets, avec deux
caractères à l\'intérieur un en majuscule et l\'autre en minuscule, ou le
cas échéant deux fois le même caractères.
Aucune explication ne vaut un bon exemple ;)


echo sql_regcase(\"un test\");

// affiche [Uu][Nn][ ][Tt][Ee][Ss][Tt]
?>

Cette fonction permet de générer une chaîne non sensible à la casse,
pour les expressions régulières dans les bases de données par exemple.
Dans MySQL lorsque vous utilisez la fonction REGEXP (au lieu de LIKE) la
recherche est sensible à la casse. La solution est donc de générer une
chaîne non sensible à la casse à l\'aide de sql_regcase.


$motclef = sql_regcase(\"motclef\");

$sql = \"SELECT * from table WHERE champ REGEXP \\\"[[:<:]]$motclef[[:>:]]\\\"\";

// selectionne tous les enregistrements de la table table, contenant le MOT motclef
?>



Voir l\'article original sur commentcamarche.net
Gpenverne

Gpenverne

Développeur backend symfonien, qui trouve toujours moyen de faire des machins avec des bidules même si ce n'est pas utile.

Read More