[PHP/Regex] Regex matcht teveel

[Snake]

Hi ladz,

Ik probeer hier een WordPress plugin een beetje te editen, hij matcht teveel in de regex.

De bedoeling is dat iedere link met een gif|png|bmp|jpe?g geparsed wordt naar dezelfde link, met een rel=lightbox erin.

Daarvoor is er de volgende code:

PHP:

$pattern = "/<a(.*?)href=('|\")(.*?).(bmp|gif|jpeg|jpg|png)('|\")(.*?)>/i";
$replacement = '<a$1href=$2$3.$4$5 rel="lightbox[%LIGHTID%]"$6>';

Het probleem gebeurt wanneer in 1 regel dit staat:

HTML:

<a href="linknaarfoto.bmp">klikky</a> tekst <img src="smilie.png" ... />

Dan matcht die regex heel die regel. Wat dat niet de bedoeling is. Ik heb na lezen gevonden dat dit wil zeggen dat die regex te greedy is.

Ik heb de volgende patterns geprobeert.

PHP:

$pattern = "/<a(.*?)href=('|\")(.*?).(bmp|gif|jpeg|jpg|png)('|\")(.*?)>[^>]/i";
$pattern = "/<a(.*?)href=('|\")(.*?).(bmp|gif|jpeg|jpg|png)('|\")(.*?)[^>]>/i";
$pattern = "/<a(.*?)href=('|\")(.*?).(bmp|gif|jpeg|jpg|png)('|\")(.[^>]*?)>/i";

Maar geen enkele is ungreedy genoeg. Kan iemand * Snake in de goede richting schoppen?

[Gonadan]

Waarom geef je niet gewoon de ungreedy modifier (U) mee?

[pkuppens]

Snake schreef op maandag 10 december 2007 @ 10:42:
Hi ladz,

Ik probeer hier een WordPress plugin een beetje te editen, hij matcht teveel in de regex.

De bedoeling is dat iedere link met een gif|png|bmp|jpe?g geparsed wordt naar dezelfde link, met een rel=lightbox erin.

Daarvoor is er de volgende code:

PHP:

$pattern = "/<a(.*?)href=('|\")(.*?).(bmp|gif|jpeg|jpg|png)('|\")(.*?)>/i";
$replacement = '<a$1href=$2$3.$4$5 rel="lightbox[%LIGHTID%]"$6>';

Het probleem gebeurt wanneer in 1 regel dit staat:

HTML:

<a href="linknaarfoto.bmp">klikky</a> tekst <img src="smilie.png" ... />

Dan matcht die regex heel die regel. Wat dat niet de bedoeling is. Ik heb na lezen gevonden dat dit wil zeggen dat die regex te greedy is.

Ik heb de volgende patterns geprobeert.

PHP:

$pattern = "/<a(.*?)href=('|\")(.*?).(bmp|gif|jpeg|jpg|png)('|\")(.*?)>[^>]/i";
$pattern = "/<a(.*?)href=('|\")(.*?).(bmp|gif|jpeg|jpg|png)('|\")(.*?)[^>]>/i";
$pattern = "/<a(.*?)href=('|\")(.*?).(bmp|gif|jpeg|jpg|png)('|\")(.[^>]*?)>/i";

Maar geen enkele is ungreedy genoeg. Kan iemand * Snake in de goede richting schoppen?

[Ongetest:] Mijn suggestie is dat je al je .'s door [^>] wil vervangen. Je loopt nu uit je 'anchor' al door je eerste .*.

De ungreedy modifier zoals elders genoemd is ook een optie. Ik denk op het 1e patroon.

[Snake]

Gonadan schreef op maandag 10 december 2007 @ 10:44:
Waarom geef je niet gewoon de ungreedy modifier (U) mee?

Blijkbaar niet zo simpel,

PHP:

    $pattern = "/<a(.*?)href=('|\")(.*?).(bmp|gif|jpeg|jpg|png)('|\")(.*?)>/Ui";

Dan is hij nog steeds te greedy

[rogierslag]

HTML:

[u]<a[/u] href="linknaarfoto.bmp">klikky</a> tekst <img src="smilie.png" ... [u]/>[/u]

Ik heb even de respectievelijke begin en eindpunten aangegeven door onderstreping. Dat nu de hele regel gepakt wordt is niet gek, je geeft geen einde aan, immers alle mogelijke tekens vallen onder die (.*?) voorwaarde. Door die allerlaatste > wordt geparsed als laatste teken van je expressie

Werkt het met deze regex wel

PHP:

<?php 
$pattern = "/<a(.*?)href=('|\")(.*?).(bmp|gif|jpeg|jpg|png)('|\")(.*?)>(.*?)<\/a>/i"; 
$replacement = '<a$1href=$2$3.$4$5 rel="lightbox[%LIGHTID%]"$6>'; 
?>

Deze matcht namelijk direct op die sluitende </a> tag.

Met je huidige regex zou je ook problemen krijgen bij iets als

code:

<a href="linknaarfoto.bmp"><b>klikky</b></a>

Verder heb ik het niet getest, dus misschien moet je nog iets tweaken

[Snake]

rogierslag schreef op maandag 10 december 2007 @ 11:45:

HTML:

[u]<a[/u] href="linknaarfoto.bmp">klikky</a> tekst <img src="smilie.png" ... [u]/>[/u]

Ik heb even de respectievelijke begin en eindpunten aangegeven door onderstreping. Dat nu de hele regel gepakt wordt is niet gek, je geeft geen einde aan, immers alle mogelijke tekens vallen onder die (.*?) voorwaarde. Door die allerlaatste > wordt geparsed als laatste teken van je expressie

Werkt het met deze regex wel

PHP:

<?php 
$pattern = "/<a(.*?)href=('|\")(.*?).(bmp|gif|jpeg|jpg|png)('|\")(.*?)>(.*?)<\/a>/i"; 
$replacement = '<a$1href=$2$3.$4$5 rel="lightbox[%LIGHTID%]"$6>'; 
?>

Deze matcht namelijk direct op die sluitende </a> tag.

Met je huidige regex zou je ook problemen krijgen bij iets als

code:

<a href="linknaarfoto.bmp"><b>klikky</b></a>

Verder heb ik het niet getest, dus misschien moet je nog iets tweaken

Dit werkte bijna

Heb 'm aangepast, en dit is het resultaat:

PHP:

$pattern = "/<a(.*?)href=('|\")(.*?).(bmp|gif|jpeg|jpg|png)('|\")(.*?)>(.*?)<\/a>/i";  
    $replacement = '<a$1href=$2$3.$4$5 rel="lightbox[%LIGHTID%]"$6>$7</a>';

Werkt perfect, dankuwel

[rogierslag]

Snake schreef op maandag 10 december 2007 @ 12:04:

PHP:

$pattern = "/<a(.*?)href=('|\")(.*?).(bmp|gif|jpeg|jpg|png)('|\")(.*?)>(.*?)<\/a>/i";  
    $replacement = '<a$1href=$2$3.$4$5 rel="lightbox[%LIGHTID%]"$6>$7</a>';

Die replacement even die $7 bijzetten was ik idd vergeten. Krijg je op de vroege ochtend