регуляторное выражение

[solos]

$s='<Т1 day="8" month="12" year="2007">

<Т2 day="9" month="12" year="2007">

<Т3 day="10" month="12" year="2007">';

preg_match_all("/(day|month|year)="([^"]*)"/Us", $s, $tmp);

Как добиться чтобы вытягивало даные имена значений и содержимое в теге <Т2 day="9" month="12" year="2007">, имена могут добавляться например:

$s='<Т1 day="8" month="12" year="2007">

<Т2 day="9" month="12" hour="13" year="2007">

<Т3 day="10" month="12" name="our_name" year="2007">';

Ломал голову и немогу дойти до истины, помогите.

[Иван Шумов]

вопрос - ты извращенец? тебе это зачем?

[solos]

Я хочу написать парсер новостей и при этом чтобы нагрузка на сервак была поменьше.

[solos]

preg_match_all("/]*((day|month)="([^"]*)")[^>]*>/Us", $s, $tmp);

Вот до чего я дошел но это совсем не то, если писать просто одно имя то все ок, но мне нужно несколько , для этого нужно вставлять блок [^>]*((day|month)="([^"]*)") один за другим, а как бы его выражением прописать?

[D.S.Denton]

там ведь T1, T2 везде с T начинаются, а дальше цифра?

"##U" - в $1 получаем все содержимое тэга, т.е. и атрибуты и их значения.

дальше эту строку раскладываем на массив по пробелу - explode()

получаем в итоге

@ {

[0] => 'day="10"'

[1] => 'month="12"'

[2] => 'name="our_name"'

[3] => 'year="2007"'

}

преобразование в такой массив я сделал на случай если в тэге вдруг будет не тот порядок атрибутов, т.е. местами поменяют к примеру. если есть уверенность что подобных изменений не будет, РВ будет примерно таким (проверять лень):

"#

и отредактируй название топика плиз... в первый момент долго пытался понять что такое "регуляторное выражение"... и при чем вообще в php регуляторы

[solos]

D.S.Denton опять не в ту степь. Я же написал что мне нужно, в Вашем варианте с приличными даными можно голову свернуть и обработка в пару этапов. Долго, нудно и нагрузка.

Еще есть предложения?

[D.S.Denton]

с приличными даными можно голову свернуть

мм... приличные данные обычно выдаются XMLем, который распарсивается без подобных извращений. сложных примеров не увидел, а для разбора таких страниц моих обоих вариантов достаточно (http://dc.denton.msk.ru/stats.php сделано как раз почти подобным образом)

обработка в пару этапов. Долго, нудно и нагрузка.

два этапа, создающие нагрузку меньше чем один - это хуже??? шаблонные поиск и/или замена всегда более ресурсоемкая вещь, чем прочие строковые операции, поэтому выбор из тэга необходимого в одну переменную, а затем разбивка строки на подстроки гораздо эффективнее.

недостаток этого - для сложной структуры более сложная обработка, но про то уже сказал выше.

нудно... хм. нудно это разбирать хтмл-код извращенными методами, когда для такого существует (в третий раз скажу и хватит) XML.

Еще есть предложения?

целых два...

1 - если это делается не ради самопознания через медитацию над кодом или решения общей ситуации - давать как и предписано основами программирования граничные ситуации + случай из интервала между ними (т.е. образец одного из самых сложных текстов и самый простейший + средней сложности).

2 -

в Вашем варианте

см подпись. я обращаюсь к людям соответственно их пожеланиям "ты"/"вы", но к себе "вы" не переношу. мне еще нет даже 90 лет. вынос этой инфы в подпись ибо достало, не помогает...

[solos]

Уважаемый D.S.Denton мне нужно понять "регуляторку". Тобишь каким образом в выражении

preg_match_all("/]*((day|month)="([^"]*)")[^>]*>/Us", $s, $tmp);

заставить искать не одно значение day или month а то и другое.

Проблема тут состоит в том чтобы искало между

а получаться что ищет целое выражение, по этому только находит одно значение.

Нужна одна "регуляторка" которая все бы это делала.

Спасибо за понимание.

Да и еще, есть такое понятие как жадный квантификатор, в даном примере есть какая то логика поиска, что ищет не в даном промежутке () а в целом и получается не то что нужно.

[D.S.Denton]

каким образом в выражении

preg_match_all("/]*((day|month)="([^"]*)")[^>]*>/Us", $s, $tmp);

заставить искать не одно значение day или month а то и другое.

раскладываю по шагам:

1 - убираем все лишнее, включая кавычки - чтоб сейчас не захламлять понимание. и заменяем границы регуляторного выражения со слешей на # - и привыкаем к решетке, т.к. необходимость использовать слеши в самом выражении чаще встречается, значит их использовать в качестве границ не оптимально

получаем: [color:blue]#]*((day|month)="([^"]*)")[^>]*>#Us

2 - убираем модификатор s. он не надо. а про жадность - это как раз U, который оставляем.

[color:blue]#]*((day|month)="([^"]*)")[^>]*>#U

3 - раскладываем на логические части строку , сразу составляя новое РВ:

# - граница начала РВ

3 - число, которое различается в тэгах. пишем вместо него [d] (любой десятичный символ). добавляем +, означающий что здесь может быть не менее одного такого символа. т.е. выходит [d]+

пробел - так и хочется оставить пробелом, но вдруг их окажется больше одного. поэтому пишем + по аналогии с цифрой

day="10" - мы пока не пишем общий случай, предполагающий отсутствие каких-либо атрибутов у тэга или их другой порядок. потому сделаем day="([d]{1,2})" - ведь день обозначается только цифрами в этой ситуации, причем трехзначных номеров дней в месяце не бывает

month="12" - точно также... month="([d]{1,2})"

name="our_name" - предполагая любой символ в качестве значения, сделаем name="(.+)"

year="2007" - аналогично дню и месяцу, но цифр может быть 2 или 4. year="([d]{2,4})"

вставим везде, где есть пробелы, +. уже говорил зачем

> - закрываем тэг

# - закончилось РВ

U - добавляем "нежадность"

итог: ##U

счас отвлекусь на запись дисков и ребут машины, вернусь

[solos]

)

а представь такая лажа поменялись местами day и month

тогда что?

[S ... (delete)]

И квадратные скобки не обязательно писать...

[D.S.Denton]

а представь такая лажа поменялись местами day и month

угу. или чего-то отсутствует. поэтому и сказал что еще вернусь

квадратные скобки не обязательно писать...

с ними выглядит удобнее (по крайней мере мне так на первый взгляд видно что раз квадратные скобки - тут стоит массив символов. а то что вместо [0-9] используется [d] разницы никакой.

так-с, продолжаем... обзову это как в учебникх обычно формулы обозначают - (1)

##U

с одной стороны хочется сделать как и у тебя - за счет повторяемости приписать "все-в-одном" (day|month)=...

но это заведомо будет неправильным ходом. потребуется ведь все вместе еще взять в внешние скобки и приписать + чтоб обеспечить повторяемость. т.е. окажется что-то типа ((day|month)=(...))+ и вроде оно должно работать...но работать не будет, т.к. поробовав подставить мысленно в это выражение пару значений, увидим что оно будет искать day=...month=..., а надо между ними еще пробел:+)

значит выделяем из (1) части, которые могут поменяться местами или отсутствовать.

1 - day="([d]{1,2})"

2 - month="([d]{1,2})"

3 - name="(.*)"

4 - year="([d]{2,4})"

как уже заметили в предыдущй попытке, между ними должны быть пробелы. так и хочется просто добавить в конец каждой части + и после этого брать в общие скобки, но нет...приглядимся внимательно к последнему атрибуту - после него ведь пробела не будет, а значит он не попадет в выборку. перебарываем порыв добавить пробел в конец и ставим его в начало:+) ведь после T[d]+ там тоже есть пробел.

итого общая скобка (обозначим ее (2)):

(+day="([d]{1,2})"|+month="([d]{1,2})"|+name="(.*)"|+year="([d]{2,4})")+

вот примерно так... а теперь используя (1) и (2), подставленную туда, исправишь свое РВ (мне лень до конца доводить решение)