آموزش regex؛ عبارت‌های باقاعده یا regular expressions

آموزش regex یا Regular Expressions یا عبارت‌های باقاعده در این مقاله توضیح داده خواهد شد، در صورتی که میخواهید از عبارت‌های باقاعده در برنامه نویسی استفاده کنید در این آموزش با ما همراه باشید.

regex چیست؟

عبارت‌هایی هستند که طبق الگوی (Pattern) خاصی، تطبیق یک استرینگ (string) در استرینگ (رشته) دیگری را بررسی می‌کنند. در واقع ریجکس نوع خاصی از پترن است که در بسیاری از زبان‌های برنامه‌نویسی و اپلیکیشن‌های مدرن قابل استفاده است. با استفاده از آن می‌توان داده‌های ورودی کاربر را اعتبارسنجی کرد، رشته‌ای را داخل رشته دیگر پیدا کرد و رشته پیدا شده را با رشته دیگری جایگزین کرد. کاربردهای RegEx شامل جستجو، جایگزینی و اعتبارسنجی است. برای مثال در اعتبارسنجی شماره تلفن، ایمیل و ... استفاده می‌شوند. در واقع ریجکس چیزی بیشتر از پترن یا دنباله‌ای از کاراکترها نیست. با کمک ریجکس می‌توانید یک استرینگ را به چندین تکه (chunk) قسمت کنید.

آموزش regex یا عبارت‌های باقاعده

یکی از ساده‌ترین بخش‌ها در آموزش regex یافتن یک کاراکتر در یک استرینگ (مثلا w در Hello World) است.

براکت

براکت‌ها ([]) هنگامی که در یک استرینگ استفاده شوند، معنی و مفهوم خاصی دارند. برای یافتن محدوده‌ای از کاراکترها استفاده می‌شوند.

محدوده‌های نشان داده شده در جدول بالا قابل شخصی‌سازی و تغییر هستند، مثلا می‌توانید محدوده را از حرف b تا f و یا هر محدوده دیگری انتخاب کنید.

پرانتز

براکت مشخص کننده تنها یک کاراکتر است، مگر اینکه بعد از آن بلافاصله Quantifier استفاده کنیم. ولی عبارت داخل پرانتز ()، مجموعه‌ای از کاراکترها با ترتیب مشخص است. برای مثال [abc] یعنی

Quantifiers

با استفاده از برخی کاراکترهای خاص می‌توانید تعداد دفعات تکرار و موقعیت دنباله کاراکترهای داخل براکت، کاراکترهای تک را مشخص کنید. فلگ‌هایی (flag)  از جمله +، *، ?، $ و {3} و {3,4}، بعد از کاراکترها برای همین کار استفاده می‌شوند.

مثال

مثال‌های زیر به درک بهتر مفهوم RegEx کمک می‌کنند.

متا کاراکترها

یک متا کاراکتر، یک کاراکتر الفبایی ساده است که پس از یک یک‌اسلش (\) می‌آید، این ترکیب معنای و مفهوم خاصی دارد. برای مثال، در رشته‌های عددی می‌توان رقم‌های بزرگ را پیدا کرد.

Pattern Modifiers

الگوهای اصلاح‌کننده یا پترن‌مدیفایرهای مختلفی وجود دارند که کار با ریجکس را ساده‌تر می‌کنند:

برای کسب اطلاعات بیشتر درباره سایر مدیفایرها به سایت Regex Tutorial مراجعه کنید.

فانکشن‌های PHP برای کار با عبارت‌های باقاعده

این فانکشن‌ها با کلمه preg_ شروع می‌شوند:

کال‌بک یک کد قابل اجرا است که به عنوان یک آرگومنت به کد دیگری پاس داده می‌شود تا اجرا شود.

چند مثال‌ برای کار با فانکشن‌ها در آموزش regex

مثال‌های بالا از سایت php آورده شده است:

<?php
$subject = array('1', 'a', '2', 'b', '3', 'A', 'B', '4');
$pattern = array('/\d/', '/[a-z]/', '/[1a]/');
$replace = array('A:$0', 'B:$0', 'C:$0');

echo "preg_filter returns\n";
print_r(preg_filter($pattern, $replace, $subject));

echo "preg_replace returns\n";
print_r(preg_replace($pattern, $replace, $subject));

خروجی مثال بالا:

preg_filter returns
Array
(
    [0] => A:C:1
    [1] => B:C:a
    [2] => A:2
    [3] => B:b
    [4] => A:3
    [7] => A:4
)
preg_replace returns
Array
(
    [0] => A:C:1
    [1] => B:C:a
    [2] => A:2
    [3] => B:b
    [4] => A:3
    [5] => A
    [6] => B
    [7] => A:4
)

مثال دوم:

<?php

preg_match('/(?:\D+|<\d+>)*[!?]/', 'foobar foobar foobar');

if (preg_last_error() == PREG_BACKTRACK_LIMIT_ERROR) {
    print 'Backtrack limit was exhausted!';
}

خروجی مثال دوم:

Backtrack limit was exhausted!

مثال سوم:

<?php
preg_match('/(foo)(bar)(baz)/', 'foobarbaz', $matches, PREG_OFFSET_CAPTURE);
print_r($matches);

خروجی مثال سوم:

Array
(
    [0] => Array
        (
            [0] => foobarbaz
            [1] => 0
        )

    [1] => Array
        (
            [0] => foo
            [1] => 0
        )

    [2] => Array
        (
            [0] => bar
            [1] => 3
        )

    [3] => Array
        (
            [0] => baz
            [1] => 6
        )

)

مثال چهارم:

<?php
// get host name from URL
preg_match('@^(?:http://)?([^/]+)@i',
    "http://www.php.net/index.html", $matches);
$host = $matches[1];

// get last two segments of host name
preg_match('/[^.]+\.[^.]+$/', $host, $matches);
echo "domain name is: {$matches[0]}\n";

خروجی مثال چهام:

domain name is: php.net

مثال پنجم:

<?php
// The \\2 is an example of backreferencing. This tells pcre that
// it must match the second set of parentheses in the regular expression
// itself, which would be the ([\w]+) in this case. The extra backslash is
// required because the string is in double quotes.
$html = "<b>bold text</b><a href=howdy.html>click me</a>";

preg_match_all("/(<([\w]+)[^>]*>)(.*?)(<\/\\2>)/", $html, $matches, PREG_SET_ORDER);

foreach ($matches as $val) {
    echo "matched: " . $val[0] . "\n";
    echo "part 1: " . $val[1] . "\n";
    echo "part 2: " . $val[2] . "\n";
    echo "part 3: " . $val[3] . "\n";
    echo "part 4: " . $val[4] . "\n\n";
}

خروجی مثال پنجم:

matched: <b>bold text</b>
part 1: <b>
part 2: b
part 3: bold text
part 4: </b>

matched: <a href=howdy.html>click me</a>
part 1: <a href=howdy.html>
part 2: a
part 3: click me
part 4: </a>

مثال ششم:

<?php
$keywords = '$40 for a g3/400';
$keywords = preg_quote($keywords, '/');
echo $keywords; // returns \$40 for a g3\/400

مثال هفتم:

<?php
// In this example, preg_quote($word) is used to keep the
// asterisks from having special meaning to the regular
// expression.

$textbody = "This book is *very* difficult to find.";
$word = "*very*";
$textbody = preg_replace ("/" . preg_quote($word, '/') . "/",
                          "<i>" . $word . "</i>",
                          $textbody);

مثال هشتم:

<?php
// split the phrase by any number of commas or space characters,
// which include " ", \r, \t, \n and \f
$keywords = preg_split("/[\s,]+/", "hypertext language, programming");
print_r($keywords);

خروجی مثال هشتم:

Array
(
    [0] => hypertext
    [1] => language
    [2] => programming
)

مثال نهم:

<?php
$string = 'The quick brown fox jumps over the lazy dog.';
$patterns = array();
$patterns[0] = '/quick/';
$patterns[1] = '/brown/';
$patterns[2] = '/fox/';
$replacements = array();
$replacements[2] = 'bear';
$replacements[1] = 'black';
$replacements[0] = 'slow';
echo preg_replace($patterns, $replacements, $string);

خروجی مثال نهم:

The bear black slow jumps over the lazy dog.

مثال دهم:

<?php
// this text was used in 2002
// we want to get this up to date for 2003
$text = "April fools day is 04/01/2002\n";
$text.= "Last christmas was 12/24/2001\n";
// the callback function
function next_year($matches)
{
  // as usual: $matches[0] is the complete match
  // $matches[1] the match for the first subpattern
  // enclosed in '(...)' and so on
  return $matches[1].($matches[2]+1);
}
echo preg_replace_callback(
            "|(\d{2}/\d{2}/)(\d{4})|",
            "next_year",
            $text);

خروجی مثال دهم:

April fools day is 04/01/2003
Last christmas was 12/24/2002

مثال یازدهم:

<?php
$subject = 'Aaaaaa Bbb';

preg_replace_callback_array(
    [
        '~[a]+~i' => function ($match) {
            echo strlen($match[0]), ' matches for "a" found', PHP_EOL;
        },
        '~[b]+~i' => function ($match) {
            echo strlen($match[0]), ' matches for "b" found', PHP_EOL;
        }
    ],
    $subject
);

خروجی مثال یازدهم:

6 matches for "a" found
3 matches for "b" found

جمع‌بندی و نکات پایانی