При работе с текстами в любом современном языке программирования разработчики постоянно встречаются с задачами проверки введенных данных на соответствие нужному шаблону, поиска и замены тестовых фрагментов и прочими типовыми операциями по обработке символьной информации. Разработка собственных алгоритмов проверки приводит к потере времени, несовместимости программного кода и сложности в его развитии и модернизации.
Бурное развитие Интернета и языков WEB-разработки потребовало создания универсальных и компактных средств обработки текстовой информации при минимальном количестве требуемого для этого кода. Не является исключением и популярный среди начинающих и профессиональных разработчиков язык PHP. Регулярное выражение как язык текстовых шаблонов позволяет упростить задачи обработки текста и уменьшить программный код на десятки и сотни строк. Многие задачи вообще невозможно решить без него.
Регулярные выражения в PHP
Язык PHP содержит три механизма работы с регулярными выражениями - «ereg», «mb_ereg» и «preg». Наиболее распространенным является интерфейс «preg», функции которого обеспечивают доступ к библиотеке поддержки регулярных выражений PCRE, изначально разработанной для языка Perl, которая входит в комплект PHP. Preg-функции ищут в заданной текстовой строке совпадения, согласно определенному шаблону на языке регулярных выражений.
Основы синтаксиса
В рамках короткой статьи невозможно подробно описать весь синтаксис регулярных выражений, для этого существует специальная литература. Приведем только основные элементы для показа широких возможностей для разработчика и понимания примеров кода.
В PHP регулярное выражение формально определяется очень сложно, и поэтому упростим описание. Регулярное выражение представляет собой текстовую строку. Она состоит из выделенного разделителем шаблона и модификатора, указывающего на то, каким образом его обрабатывать. Возможно включение в шаблоны различных альтернатив и повторений.
Например, в выражении /\d{3}-\d{2}-\d{2}/m разделителем будет «/», далее идет шаблон, а символ «m» будет модификатором.
Вся мощь регулярных выражений кодируется с помощью метасимволов. Основным метасимволом языка является обратный слэш - «\». Он меняет тип следующего за ним символа на противоположный (т. е. обычный символ превращается в метасимвол и наоборот). Другим важным метасимволом является прямая черта «|», задающая альтернативные варианты шаблона. Еще примеры метасимволов:
| ^ | Начало объекта или строки |
| ( | Начало подшаблона |
| ) | Окончание подшаблона |
| { | Начало квантификатора |
| } | Конец квантификатора |
| \d | десятичная цифра от 0 до 9 |
| \D | любой символ, не являющийся цифрой |
| \s | пустой символ, пробел, табуляция |
| \w | словарный символ |
PHP, обрабатывая регулярные выражения, пробел рассматривает как отдельный значимый символ, поэтому выражения АБВГДЕ и АБВ ГДЕ являются разными.
Подшаблоны
В PHP регулярные подшаблоны выделяются круглыми скобками и иногда называются «подвыражениями». Выполняют следующие функции:
Выделение альтернатив. Например, шаблон жар(кое|птица|) совпадет со словами «жар», «жар-птица» и «жаркое». А без скобок это будет только пустая строка, «птица» и «жаркое».
«Захватывающий» подшаблон. Это означает, что если в шаблоне совпала подстрока, то в качестве результата возвращаются все совпадения. Для наглядности приведем пример. Дано следующее регулярное выражение: победитель получает((золотую|позолоченный)(медаль|кубок)) - и строка для поиска совпадений: «победитель получает золотую медаль». Кроме исходной фразы, в результате поиска будут выданы: «золотую медаль», «медаль», «золотую».
Операторы повторений (квадрификаторы)
При составлении регулярных выражений очень часто необходимо анализировать повторения чисел и символов. Это не является проблемой, если повторений не очень много. Но что делать, когда мы не знаем их точного числа? В таком случае необходимо использовать специальные метасимволы.
Для описания повторений применяются квадрификаторы – метасимволы для задания количества. Квадрификаторы бывают двух типов:
- общие, заключенные в скобки;
- сокращенные.
Общий квантификатор задет минимальное и максимальное количество разрешенных повторений элемента в виде двух чисел в фигурных скобках, например так: х{2,5}. Если максимальное количество повторений неизвестно, второй аргумент не указывается: х{2,}.
Сокращенные квантификаторы представляют собой символы для наиболее распространенных повторений во избежание лишней перегрузки синтаксиса. Обычно используются три сокращения:
1. * - ноль и больше повторений, что эквивалентно {0,}.
2. + - одно и более повторений, т. е. {1,}.
3. ? – ноль или только одно повторение - {0,1}.
Примеры регулярных выражений
Для тех, кто изучает регулярные выражения, примеры - лучший учебник. Мы приведем несколько, которые показывают их широкие возможности при минимуме усилий. Все программные коды полностью совместимы с версиями PHP 4.x и выше. Для полного понимания синтаксиса и использования всех возможностей языка рекомендуем книгу Дж. Фридла «Регулярные выражения», где полностью рассматривается синтаксис и имеются примеры регулярных выражений не только на PHP, но и для языков Python, Perl, MySQL, Java, Ruby и C#.
Проверка корректности адреса E-mail
Задача. Существует Интернет-страница, на которой у посетителя запрашивается адрес email. Регулярное выражение должно проверять правильность полученного адреса перед отправкой сообщений. Проверка не дает гарантии, что указанный почтовый ящик реально существует и принимает письма. Но отсеять заведомо неправильные адреса она может.
Решение. Как и в любом языке программирования, на PHP регулярные выражения email-проверки адреса могут быть реализованы разными способами, и примеры в этой статье не являются окончательным и единственным вариантом. Поэтому в каждом случае мы будем приводить перечень требований, которые нужно учесть при программировании, а конкретная реализация полностью зависит от разработчика.
Итак, выражение, проверяющее правильность email, должно проверять следующие условия:
- Наличие в исходной строке символа @ и отсутствие пробелов.
- Доменная часть адреса, за символом @, содержит только допустимые символы для доменных имен. То же относится и к имени пользователя.
- При проверке имени пользователя необходимо определить наличие специальных символов, таких как апостроф или вертикальная черта. Такие символы относятся к потенциально опасным и могут содержаться в таких видах нападений, как SQL-инъекции. Избегайте таких адресов.
- Имена пользователя допускают наличие только одной точки, которая не может быть первым или последним символом в строке.
- Доменное имя должно содержать не меньше двух и не более шести символов.
Пример, учитывающий все указанные условия, можно увидеть далее на рисунке.
Проверка правильности адресов URL
Задача. Проверить, является ли заданная текстовая строка допустимым адресом URL. Еще раз отметим, что регулярные выражения URL-проверки могут быть реализованы различными способами.
Решение. Наш итоговый вариант выглядит следующим образом:
/^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$/
Теперь разберем его составляющие более подробно, используя рисунок.
| п.1 | Перед адресом URL не должно быть никаких символов |
| п.2 | Проверяем наличие обязательного префикса «http» |
| п.3 | Не должно быть символов |
| п.4 | Если присутствует «s», то URL указывает на защищенное соединение «https» |
| п.5 | Обязательный фрагмент «//» |
| п.6 | Нет символов |
| п. 7-9 | Проверка правильности домена первого уровня и наличия точки |
| п.10-13 | Контроль правильности написания домена второго уровня и точки |
| п.14-17 | Файловая структура URL — набор цифр, букв, подчёркиваний, дефисов, точек и слэш в конце |
Проверяем номера кредитных карт
Задача. Необходимо реализовать проверку правильности введенного номера пластиковой карты наиболее распространенных платежных систем. Рассмотрен вариант только для карт Visa и MasterCard.
Решение. При создании выражения необходимо учитывать возможное наличие во введенном номере пробелов. Цифры номера на карте разделены на группы для упрощения чтения и диктовки. Поэтому вполне естественно, что человек может попытаться ввести номер таким образом (т. е. используя пробелы).
Написать универсальное выражение, учитывающее возможные пробелы и дефисы, сложнее, чем просто отбросить все символы, кроме цифр. Поэтому в выражении рекомендуется использовать метасимвол /D, который удаляет все символы, кроме цифр.
Теперь можно переходить непосредственно к проверке номера. Все компании, выпускающие кредитные карты, используют уникальный формат номера. В примере это используется, и клиенту нет необходимости вводить наименование компании – она определяется по номеру. Карты Visa всегда начинаются с 4 и имеют длину номера в 13 или 16 цифр. MasterCard начинается в диапазоне 51-55 с длиной номера 16. В итоге получаем такое выражение:
Перед обработкой заказа можно провести дополнительную проверку последней цифры номера, которая вычисляется по алгоритму Луна.
Проверка телефонных номеров
Задача. Проверка корректности введенного телефонного номера.
Решение. Количество цифр в стационарных и мобильных телефонных номерах значительно различается в зависимости от страны, поэтому универсально проверить, используя регулярные выражения, номер телефона на правильность невозможно. Но международные номера имеют строгий формат и отлично подходят для проверки по шаблону. Тем более что все больше национальных телефонных операторов стараются соответствовать единому стандарту. Структура номера следующая:
+CCC.NNNNNNNNNNxEEEE, где:
- C – это код страны, состоящий из 1-3 цифр.
- N – номер длиной до 14 цифры.
- E – необязательное расширение.
Плюс является обязательным элементом, а знак х присутствует только при необходимости расширения.
В результате имеем следующее выражение:
^\+[0-9]{1,3}\.[0-9]{4,14}(?:x.+)?$
Числа в диапазоне
Задача. Необходимо обеспечить совпадение целого числа из определенного диапазона. Дополнительно необходимо, чтобы находили регулярные выражения только цифры из диапазона значений.
Решение. Приведем несколько выражений для нескольких наиболее распространенных случаев:
| Определяем час от 1 до 24 | ^(1[0-2]|[1-9])$ |
| День внутри месяца 1-31 | ^(3[01]|[12][0-9]|[1-9])$ |
| Секунда или минута 0-59 | ^[1-5]?[0-9]$ |
| Число от 1 до 100 | ^(100|[1-9]?[0-9])$ |
| День года 1-366 | ^(36[0-6]|3[0-5][0-9]|[12][0-9]{2}|[1-9][0-9]?)$ |
Поиск IP-адреса
Задача. Необходимо определить, является ли заданная строка допустимым IP-адресом в формате IPv4 в диапазоне от 000.000.000.000-255.255.255.255.
Решение. Как и в любой задаче на языке PHP, регулярное выражение имеет множество варинтов. Например, такое:
Онлайн-проверка выражений
Проверка регулярных выражений на правильность для начинающих программистов может быть затруднительной из-за сложности синтаксиса, отличающегося от «обычных» языков программирования. Для решения данной проблемы существует множество онлайн-тестеров выражений, позволяющих легко проверить правильность созданного шаблона на реальном тексте. Программист вводит выражение и данные для проверки и мгновенно видит результат обработки. Обычно здесь же присутствует справочный раздел, где подробно описываются регулярные выражения, примеры и отличия реализации для наиболее распостраненных языков программирования.
Но полностью доверять результатам онлайн-сервисов не рекомендуется всем разработчикам, пользующимся PHP. Регулярное выражение, написанное и проверенное лично, повышает квалификацию и гарантирует отсутствие ошибок.
