Regulární výrazy

Regulární výrazy jsou speciální textové řetězce, které popisují určitou "masku", které má odpovídat určitý textový řetězec.

Syntaxe Perl-compatible.

Prvním a opticky nejpodstatnějším rozdílem oproti standardu POSIX je potřeba uzavřít celý výraz mezi oddělovače. Oddělovačem může být libovolný znak vyjma alfanumerických znaků, bílých znaků a zpětného lomítka. Často se používají znaky jako '/', '#', '~', apod. Místo 'výraz' budeme tedy psát '#výraz#', '/výraz/' nebo třeba '%výraz%'. Znak oddělovače nesmí být použit uvnitř výrazu. Pokud bychom ho přesto potřebovali do výrazu zařadit, musíme před něj přidat znak zpětného lomítka.

Metaznak	Znamená	Výraz:	Vyhoví	Nevyhoví
^	Začátek řetězce	^Petr	Petr je borec Petr není borec	Borec je Petr Franta a Petr jsou borci
$	Konec řetězce	PC$	Mám PC Pracuji na PC	Moje PC je rozbité PC má dnes každý
\b	Hranice slova	^a\b.+\bz$	a bbb z a z	s bbb z
.	Libovolný znak	s.x	sex six	tix sad
*	Výraz před tímto metaznakem může mít libovolný počet opakování (i nulakrát)	s*t	prst půst prut	prase
+	Výraz před tímto metaznakem se musí vyskytnout alespoň 1x	s+t	prst srst	prut
?	Výraz před tímto metaznakem se může opakovat 0x nejvýše 1x	s?t	prejt prst	síť psst
[]	Libovolný znak ze znaků v závorce	[0123456789]	12 356 8 kusů	kusy kila litry
()	Všechny znaky ze znaků v závorce	(obec)	obecný obecní všeobecný	věcný jablečný všeobjímající
|	Rozdělení na podvýrazy	Astronaut|Babička	Astronaut Babička	edém čistě
\	Následující metaznak bude chápán jako znak	\+	Vše, co obsahuje "+"	Co neobsahuje "+"
{n}	Právě nkrát	ab{4}c	abbbbc	abbc
{m,n}	Minimálně mkrát, maximálně nkrát	ab{2,4}c	abbbbc abbc	abc abbbbbbc
{m,}	Minimálně mkrát	ab{2,}c	abbbbc abbc	abc abxc

[1-5] pomlčka určuje rozah 1 až 5, [a-z] určuje rozsah a až z (tedy celou abecedu)
[^1-5] negace výrazu, vyhoví jen řetězce, které neobsahují uvedený znak či rozsah

Pro často používané množiny znaků existují předdefinované zkratky:

Zkratka	Ekvivalentní zápis	Popis	Příklad
\d	[0-9]	číslice desítkové soustavy	a\db odpovídá a2b, ale ne axb
\D	[^0-9]	cokoli kromě číslic desítkové soustavy	a\Db odpovídá axb, ale ne a2b
\w	[0-9a-zA-Z_]	odpovídá alfanumerickému znaku a podtržitku	\w odpovídá 1, a, A, _ , ale ne $, +
\W	[^0-9a-zA-Z_]	odpovídá nealfanumerickému znaku nebo podtržítku	\W odpovídá $, !, ?, % , ale ne 2, b
\s	[ \n\r\t\f]	odpovídá bílému znaku (\n, \r, \t, mezera aj.)	a\sb odpovídá a b, ale ne ab
\S	[^ \n\r\t\f]	odpovídá jinému než bílému znaku	a\Sb odpovídá a+b, ale ne a b
\h	[ ]	horizontální bílé znaky (např. mezera, tabulátor)	a\hb odpovídá a b, ale ne a+b
\H	[^ ]	vše kromě horizontálních bílých znaků	a\Hb odpovídá a*b, ale ne a b

Netisknutelné znaky ve výrazech:

Zkratka	Význam
\n	zalomení řádku
\t	tabulátor
\e	znak escape
\r	návrat vozíku
\f	zalomení stránky

Modifikátory

modifikátor	význam
i	při vyhodnocování se nebude rozlišovat mezi malými a velkými písmeny
x	bílé znaky a komentáře (znaky vpravo od #) jsou ignorovány

Seznam modifikátorů se uvádí za samotný výraz (proto je také výraz uzavřen mezi oddělovače, aby bylo jasné, kde končí výraz a začínají modifikátory) - #výraz#modifikátory

Funkce využívající regulární výrazy

preg_match($výraz,$řetězec)

Funkce najde první shodu regulárního výrazu $vyraz s řetězcem $retezec.
Funkce vrací 1 je pravda nebo 0 není pravda.

    $retezec="5 raket";
    $vyraz=  '/\d+/';                  //  \d číslice desítkové soustavy 
     
    if (preg_match($vyraz, $retezec))
    echo $retezec."-pravda"; 
    else echo $retezec."-nepravda";
    

preg_match($výraz,$řetězec,$pole)

Pokud je funkci předána reference na $pole, jsou do tohoto pole uloženy části řetězce, které odpovídají jednotlivým subvýrazům regulárního výrazu. Pod indexem 0 je v poli uložena shoda s celým regulárním výrazem. V poli 1 je uložen řetězec odpovídající subvýrazu (samozřejme jen pokud regulární výraz má subvýrazy).

    $retezec="54 raket";
    $vyraz=  '/(13|26|54) raket/';                
    preg_match($vyraz, $retezec,$pole);
    print_r($pole);
    

preg_match_all($výraz,$řetězec,$pole)

Funkce najde všechny shody regulárního výrazu $vyraz s řetězcem $retezec. Funkce vrací počet nalezených výskytů a $pole ,které obsahuje všechny nalezené výskyty.

   $retezec="13raket 10raket 33raket 54raket";
   $vyraz=  '/(33|13|54)raket/';
   $pocet= preg_match_all($vyraz,$retezec,$pole);
   echo $pocet." ";
   print_r($pole) ;
        

preg_replace($vyraz, $nahrada, $retezec)

Funkce hledá shodu regulárního výrazu $vyraz s řetězcem $řetězec. Pokud je shoda nalezena, část řetězce odpovídající regulárnímu výrazu je nahrazena řetězcem $nahrada.

   $retezec="ahoj lidi Ahoj všici";
   $nahrada ="Čau";
   $vyraz=  '/[aA]hoj/'   ;   
   $novyretezec= preg_replace($vyraz,$nahrada,$retezec);
   echo $novyretezec;
      
     

preg_replace_callback($vyraz,"nahrada", $retezec)

Funkce provádí náhradu řetězců odpovídajících regulárnímu výrazu podobně jako funkce preg_replace().
U preg_replace_callback() je však jako náhrada použita návratová hodnota uživatelsky definované funkce
"nahrada" , které je na vstupu předán řetězec $retezec odpovídající regulárnímu výrazu $vyraz .
Tato funkce nic nevrací, ale vypíše řetězec odpovídající výrazu.

  function nahrada($text){
  print( "$text[0]<br>") ;
  return  ;
    }
  $vyraz = '/([Rr]eg)+[^ .]+/';
  $retezec = 'Regulérní použití regulárních výrazů pro registraci regimentu.';
  preg_replace_callback($vyraz, "nahrada", $retezec);
     
     

Ještě jeden příklad na zaokrouhlování:

 
  function zaokrouhli($cislo)
  {
  $cislo=$cislo[0];
  if(preg_match("@[5-9]$@",$cislo) )
  $cislo= $cislo+10;
  $result= preg_replace("@[0-9]$@","0",$cislo) ;
  return $result;
  };

  $vyraz="/\d{2}/";
  $function_name="zaokrouhli"; //název uživatelské funkce
  $retezec="12, 91, 45, 29, 30, 01";
  echo preg_replace_callback($vyraz,$function_name,$retezec); 
     
 

preg_split($vyraz, $retezec)

Funkce dostane oddělovač $vyraz a podle něj rozdělí vstupní řetězec $retezec na pole podřetězců:

  $retezec = 'Kdo tam je?';
  $slovo = preg_split('/[ ]+/', $retezec);
  echo $slovo[0];
  echo "<br>";     // 'Kdo'   
  echo $slovo[1];
  echo "<br>";      // 'tam'     
  echo $slovo[2];      // 'je?'      

 

preg_grep($vyraz,$retezec)

Funkce načte pole řetězců $retezec a vratí nové pole obsahující pouze ty řetězce, které odpovídají regulárnímu výrazu $vyraz. Příklad dvou způsobů výpisu:

  $pole=["h12","45","51","hjg","gfgfgf","123"] ;
  $pole1 = preg_grep("/^(\d+)/", $pole);
  foreach( $pole1 as $tisk )
  echo $tisk."<br>";
  print_r($pole1); 
 

Podrobný popis je např. zde