romy4 27 дек 2007 в 16:09

PREG: условные маски

1 мин

615

Комментарии 16

powerman 27 дек 2007 в 16:40

У меня в perl-модуле Regexp::Common::RealHTML есть более корректная реализация этого регулярного выражения, рекомендую посмотреть.

romy4 27 дек 2007 в 16:49

вы не могли бы перезалить архив, а то архивер говорит, что повреждён.

powerman 27 дек 2007 в 17:06

С архивом всё в порядке, я только что проверил. Либо ваш архивер не понимает .tar.gz, либо побился при выкачке.

romy4 27 дек 2007 в 17:11

к сожалению, не удалось достать из архива
$ tar -zxf Regexp-Common-RealHTML-1.05.tar.gz
tar: Cannot use compressed or remote archives
tar: Error is not recoverable: exiting now

powerman 27 дек 2007 в 17:14

$ mv Regexp-Common-RealHTML-1.05.tar.gz Regexp-Common-RealHTML-1.05.tar.gz.gz
$ gzip -d Regexp-Common-RealHTML-1.05.tar.gz.gz
$ tar -zxf Regexp-Common-RealHTML-1.05.tar.gz

Честно говоря, раньше такого безобразия за своим mod_gzip не замечал, всё нормально качалось. Возможно, после последних обновлений Gentoo что-то начало глючить.

powerman 27 дек 2007 в 17:08

Ага, я, кажется, понял. Похоже, веб-сервер при выкачке его ещё раз дополнительно gzip-ает, вероятно mod_gzip постарался. Так что после выкачки он превращается в .tar.gz.gz.

romy4 27 дек 2007 в 17:13

точно, таки двойной gzip

romy4 27 дек 2007 в 17:17

интересно, спасибо. но у меня не было столь всеучитывающей задачи :)

powerman 27 дек 2007 в 18:11

Парсинг - одна из самых сложных и подверженных ошибкам задач. Тем более парсинг такой нечёткой штуки, как HTML. Тем более, когда хочется чтобы твой парсер увидел те же теги и параметры, что и браузеры. Поэтому я предпочёл один раз вынести эти regexp-ы в отдельную библиотеку, чтобы не писать многократно разные regexp-ы, каждый раз с разными ошибками.

romy4 27 дек 2007 в 18:20

здесь у меня на входе уже сразу строка параметров.
но а парсинг HMTL я бы переложил на плечи какой-нибудь расширяемой XML либы с callback функционалом.

вобще, люблю задачки с парсингом, но на PHP их решать затруднительно, так как работа со строками не стандартным функционалом, а своим алгоритмом происходит достаточно долго.

romy4 27 дек 2007 в 17:20

а куда уходит параметр когда ``lvalue='' и ``=rvalue''?

powerman 27 дек 2007 в 17:55

Если Вам нужна надёжная поддержка пустых имени/значения, то пример записи можно взять из кода модуля, где определяется $param. В результате получим:



$s = 'single param=true param2="string fgfg" =v1 p1= ="" "last"="value"';



use Regexp::Common qw/ RealHTML /;

$s =~ /\A\w+/g;  # пропустить имя тега

while ($s =~ /\G\s+(?:

    $RE{pname}{-keep} (?: = $RE{pval}{-keep}? )? | = $RE{pval}{-keep}?

    )/gxo) {

  my ($name, $value) = ($1, $2|$3);

  print "name='$name' value='$value'\n";

}



__END__

name='param' value='true'

name='param2' value='string fgfg'

name='' value='v1'

name='p1' value=''

name='' value=''

name='last' value='value'

Если пустые имена/значения Вас не очень интересуют, то всё гораздо проще:



$s = 'single param=true param2="string fgfg" "last"="value"'



use Regexp::Common qw/ RealHTML /;

$s =~ /\A\w+/g;  # пропустить имя тега

while ($s =~ /\G\s+$RE{pname}{-keep}=$RE{pval}{-keep}/go) {

  my ($name, $value) = ($1, $2);

  print "name='$name' value='$value'\n";

}



__END__

name='param' value='true'

name='param2' value='string fgfg'

name='last' value='value'

romy4 27 дек 2007 в 18:14

пасиба!

НЛО прилетело и опубликовало эту надпись здесь

romy4 27 дек 2007 в 16:48

хм, не знал, что можно расцвеченый регексп пастить.

НЛО прилетело и опубликовало эту надпись здесь

Зарегистрируйтесь на Хабре, чтобы оставить комментарий

Показать лучшие за всё время