[PHP] preg_split zorgt voor spaties

[verytallman]

Ik heb een input:

title|subject|
title|subject|
title|subject|
title|subject|
title|subject|
enz....

Er zitten geen spaties achter de zinnen, maar wel enters naar de volgende zin.
Deze input staat in een textbox, en de waarde daarvan stop ik in een variabele $input.

Vervolgens doe ik dit:

$arrInput = preg_split('/[|]/', $input);

Wat krijg ik nu als ik de array laat zien mbv deze code:

PHP:

for ($i = 0 ; $i < count($arrInput)-1 ; $i+=2) {
   echo $arrInput[$i].'<br>';
   echo $arrInput[$i+1].'<br><br>';
}

Ik krijg dan dit te zien:

title
subject

_title
subject

_title
subject

_title
subject

enz...

Spaties heb ik weergegeven met _ aangezien spaties in een post worden weggehaald.
Let vooral op de spatie voor het woord 'title' NA de eerste 2 elementen van de array.

Die spatie vern*ukt mijn checks die ik uitvoer op de array. Bovendien wil ik weten hoe het komt ??

Als ik de input op deze manier doe gaat het wel goed:
title|subject|title|subject|title|subject|title|subject|title|subject| enz...

Maar dat is geen optie, en bovendien is dat natuurlijk geen oplossing.

[ Voor 13% gewijzigd door verytallman op 21-04-2006 00:34 ]

[crisp]

dat zijn gewoon de newlines die in je input zitten; als je die niet wilt hebben zal je of de regexp voor je split moeten aanpassen dusdanig dat 'ie eventuele newlines mee-matched in de split, of achteraf je array-items moeten trimmen

[verytallman]

Ja dat klinkt erg voor de hand liggend.

Het beste lijkt me om de regexp aan te passen , dan zal ik opzoek moeten gaan naar uitleg hoe die werken. Tenzij iemand dat hier 1 2 3 weet?

[NMe]

FAQ's zijn er niet voor niets.

Programming FAQ - Regular expressions

[verytallman]

Kijk is aan

Ik heb het gelezen en kom hierop uit :

PHP:

$arrInput = preg_split('/(\|)|(\|[[:space:]])/', $post_bulk_input, -1);

Zou moeten werken, maar niet dus...

[NMe]

Ehm, omdat je het wel heel erg vreemd aanpakt.

PHP:

$arrInput = preg_split('/[|\s]+/s', $post_bulk_input, -1);

Doet waarschijnlijk al veel meer. [:space:] is sowieso voor POSIX regexps geloof ik, terwijl preg_split gebruik maakt van PCRE.

[Soultaker]

PCRE ondersteunt die POSIX syntax ook; daar ligt het niet aan. (Neemt niet weg dat \s een stuk korter is als je tóch al voor PCRE gekozen hebt.)

[verytallman]

-NMe- schreef op vrijdag 21 april 2006 @ 01:43:
Ehm, omdat je het wel heel erg vreemd aanpakt.

PHP:

$arrInput = preg_split('/[|\s]+/s', $post_bulk_input, -1);

Doet waarschijnlijk al veel meer.

Doet het ook niet.

En dit dit het ook niet:

PHP:

$arrInput = preg_split('/\||\|(\s+)/', $post_bulk_input, -1);

Misschien dat het probleem moeilijker ligt, Het zijn eigenlijk ook geen spaties maar het is (ook) een enter.

[ Voor 3% gewijzigd door verytallman op 21-04-2006 06:45 ]

[PrinsEdje80]

Misschien is het heel stom, maar heb je er aan gedacht dat je enter een \r\n zou kunnen zijn ipv een \n ?!?

[crisp]

Die van NMe doet het prima:

PHP:

$input = 'title|subject|
title|subject|
title|subject|
title|subject|
title|subject|';

$arrInput = preg_split('/[|\s]+/', $input, -1, PREG_SPLIT_NO_EMPTY);

print_r($arrInput);

\s matched alle whitespace karakters, inclusief CR en LF (s-modifier is dus ook niet nodig in dit geval).

[verytallman]

crisp schreef op vrijdag 21 april 2006 @ 08:33:
Die van NMe doet het prima:

PHP:

$arrInput = preg_split('/[|\s]+/', $input, -1, PREG_SPLIT_NO_EMPTY);

\s matched alle whitespace karakters, inclusief CR en LF (s-modifier is dus ook niet nodig in dit geval).

Ik heb de code van NMe letterlijk geprobeerd en bij mij deed hij het niet.

Ik ben niet echt thuis in regexp maar wat ik lees bij deze expressie is dat hij split als hij dit stukje "| " 1 of meerdere keren tegenkomt.

Dit zou beter moeten zijn:

PHP:

$arrInput = preg_split('/\|(\s*)/', $input, -1);

Omdat hij nu kijkt naar stukken waar 1 keer een "|" staat en 0 of meerdere keren een spatie.

Ik ben nu alleen op mijn werk dus het kan niet testen.

[crisp]

verytallman schreef op vrijdag 21 april 2006 @ 09:31:
[...]

Ik heb de code van NMe letterlijk geprobeerd en bij mij deed hij het niet.

Ik ben niet echt thuis in regexp maar wat ik lees bij deze expressie is dat hij split als hij dit stukje "| " 1 of meerdere keren tegenkomt.

Dit zou beter moeten zijn:

PHP:

$arrInput = preg_split('/\|(\s*)/', $input, -1);

Omdat hij nu kijkt naar stukken waar 1 keer een "|" staat en 0 of meerdere keren een spatie.

Ik ben nu alleen op mijn werk dus het kan niet testen.

Dan zo:

PHP:

$arrInput = preg_split('/\s*\|\s*/', $input);

maar eea ligt ook een beetje aan wat de bedoeling is, en of iets als foo||bar nu 2 of 3 (de middelste leeg) elementen op moet leveren...

Die van NMe geeft inderdaad wel problemen:

PHP:

$input = 'een zinnetje met spaties|geenspaties';

hij split namelijk ook op enkel whitespace

[ Voor 10% gewijzigd door crisp op 21-04-2006 09:40 ]

[RedBeard]

Zet anders de tekst regels om naar een char-array en print deze waarden naar het scherm. Dan kan je controleren welk karakter er exact inzit.

Ik heb ooit eens een dergelijk probleem gehad en daarbij stond om een onduidelijk reden een speciaal teken (A met een raar accentje) achteraan de tekst, nadat ik het uit een database gehaald had. Dit teken werd echter weergegeven als een spatie

[verytallman]

crisp schreef op vrijdag 21 april 2006 @ 09:37:
[...]

Dan zo:

PHP:

$arrInput = preg_split('/\s*\|\s*/', $input);

Dat is idd nog iets completer, maar ik ga er niet vanuit dat er spaties staan voor de "|".

Heb je deze code al getest trouwens? Ik zou het zelf willen doen maar zit op me werk.

[NMe]

verytallman schreef op vrijdag 21 april 2006 @ 10:24:
Dat is idd nog iets completer, maar ik ga er niet vanuit dat er spaties staan voor de "|".

Maakt toch niet uit? Je kan er gewoon rekening mee houden, kost niks en dan zit je straks ook niet raar op te kijken als het per ongeluk toch eens fout gaat.

Heb je deze code al getest trouwens? Ik zou het zelf willen doen maar zit op me werk.

crisp is zo goed met regexps, die hoeft niets te testen. En trouwens, je kan toch wachten tot je thuis bent en het dan zelf doen?

Mijn regexp hierboven deed het trouwens bij mij ook prima, uitgaande van de data in je topicstart. Uiteraard heb je daar weinig aan als er spaties in de tekst zelf voorkomen, en daar heb ik inderdaad niet bij stilgestaan. Maar die regexp van crisp lijkt dat op te lossen.

Trouwens, ik haal uit deze reply dat je nog steeds niet begrijpt wat character classes zijn, dus ik verwijs je graag nog eens een keer naar de regexp-FAQ.

[verytallman]

-NMe- schreef op vrijdag 21 april 2006 @ 14:25:
Trouwens, ik haal uit deze reply dat je nog steeds niet begrijpt wat character classes zijn, dus ik verwijs je graag nog eens een keer naar de regexp-FAQ.

Ik snap niet hoe je tot die redenering komt.
Volgens mij heb ik voor deze regexp geen character classes nodig?
De regexp die ik nu heb werkt toch prima?

[ Voor 6% gewijzigd door verytallman op 21-04-2006 16:21 ]

[NMe]

Ik zeg niet dat je ze nodig hebt, ik zeg dat je ze niet begrijpt. En dat haal ik uit dit stukje tekst:

verytallman schreef op vrijdag 21 april 2006 @ 09:31:
Ik ben niet echt thuis in regexp maar wat ik lees bij deze expressie is dat hij split als hij dit stukje "| " 1 of meerdere keren tegenkomt.

[verytallman]

Ja ik heb het nu net geprobeert, die uitleg van mij klopt niet helemaal.

De eerdere regexp die crisp poste heb ik net getest, die werkt

Ik ga nog wel een keer die faq doorlezen, alhoewel die niet heel duidelijk vind.