[js] Regex, Keyword uit Google url filteren

[pim]

Ik wil uit een google url, alles halen wat tussen q= en & staat.

code:

<script>
url = 'http://www.google.nl/search?q=keyword&ie=UTF-8&oe=UTF-8&hl=nl&lr=';

// (.+)  // 1 of meer tekens
// q=    // gevolgt door q=
// (.+)  // gevolgt door 1 of meer tekens, Het keyword waar het omgaat
// &     // gevolgd door het "& teken"
// (.*)  // Gevolgd door 0 of meer tekens..

k = url.replace(/(.+)q=(.+)&(.*)/, "$2");
document.write(k);
</script>

Geeft:

keyword&ie=UTF-8&oe=UTF-8&hl=nl

Hey probleem is dat hij naar het '&' teken zoekt vanaf het einde.. i.p.v. vanaf het begin..

Hij moet dus alleen "keyword" pakken i.p.v.:

http://www.google.nl/search?q=keyword&ie=UTF-8&oe=UTF-8&hl=nl&lr=

Iemand?

[Bosmonster]

makkelijker en betrouwbaarder: Haal alles uit de url na de eerste ?

Deze split je op & en alles wat overblijft split je op =. Zo krijg je een nette set van alle attributen, waaronder de q.

[crisp]

Je probleem heeft te maken met het feit dat je regexp greedy is; dit zou ook gewoon moeten werken:

JavaScript:

var k = url.replace(/\?q=(.+?)&/, '$1');

[pim]

Dan duikt precies hetzelfde probleem op, als ik alles na het vraagteken wil pakken op deze manier:

code:

k = url.replace(/^(.+)\?(.+)/, "$2");

Zoekt hij naar het eerste vraagteken vanaf het einde, waardoor een string als deze:

http://www.google.nl/sear...word&ie=UTF-8&bla=bla?bla

Dit als uitkomst geeft:

?bla

i.p.v.:

?q=keyword&ie=UTF-8&bla=bla?bla

[pim]

crisp schreef op 02 december 2003 @ 11:59:
Je probleem heeft te maken met het feit dat je regexp greedy is; dit zou ook gewoon moeten werken:

JavaScript:

var k = url.replace(/\?q=(.+?)&/, '$1');

Geeft als uitkomst:
http://www.google.nl/sear...=UTF-8&oe=UTF-8&hl=nl&lr=


Verder kan een google url er op verschillende manieren uitzien:

- http://www.google.nl/sear...=UTF-8&oe=UTF-8&hl=nl&lr=
- http://www.google.nl/search?hl=nl&q=keyword

[crisp]

pim schreef op 02 december 2003 @ 12:01:
Dan duikt precies hetzelfde probleem op, als ik alles na het vraagteken wil pakken op deze manier:

code:

k = url.replace(/^(.+)\?(.+)/, "$2");

Zoekt hij naar het eerste vraagteken vanaf het einde, waardoor een string als deze:

http://www.google.nl/sear...word&ie=UTF-8&bla=bla?bla

Dit als uitkomst geeft:

?bla

i.p.v.:

?q=keyword&ie=UTF-8&bla=bla?bla

omdat nog steeds je .+ greedy is (en overbodig ook) - alles vanaf de ? pakken doe je zo:

JavaScript:

var k = url.replace(/\?(.+)/, '$1');

je hoeft in je string niet vanaf het begin te matchen...

[crisp]

mmmz, ik maak hier zelf dus een denkfout, replace() is natuurlijk ook niet bedoelt om submatches uit een string te halen, daar kan je beter exec() voor gebruiken:

JavaScript:

var k = /q=(.+?)&/.exec(url);
document.write(k[1]);

[pim]

Thanx, zo werkt ie helemaal perfect!

2 dingen:
- Is (.+?) niet hetzelfde als (.*) ?
- wat betekend "greedy" ?

[drm]

pim:
Thanx, zo werkt ie helemaal perfect!

2 dingen:
- Is (.+?) niet hetzelfde als (.*) ?

Nee, de vraagteken betekent hier "reverse greediness". Aangezien de regular expressions in javascript standaard greedy zijn, wordt de operator + door de vraagteken erachter non-greedy.

- wat betekend "greedy" ?

quote: http://gerard.yoursite.nl/got/regex-tut/glossary.html

Wanneer een repetition operator greedy is, wordt gematched op alles totaan de laatste volgende subexpressie.

code:

/.*b/

greedy

Wanneer deze regex wordt losgelaten op de string "abcdefabc" wordt de eerste match abcdefab.

non-greedy
Wanneer deze regex wordt losgelaten op de string "abcdefabc" wordt de eerste match ab

[crisp]

en het verschil tussen * en + is dat * equivalent is aan {0,} oftewel 0 of meer matches, en + is equivalent aan {1,} oftewel 1 of meer matches

[ Voor 3% gewijzigd door crisp op 02-12-2003 12:56 ]

[drm]

Ik kan me de gedachtengang wel voorstellen, want als je schrijft

code:

/(.+)?/

is dat wel hetzelfde als

code:

/.*/

[pim]

Ok, nog een vraagje om te kijken of de code korter kan.

Ik moet nu voor een hoop verschillende searchengines dit stukje lichtelijk aanpassen:

Google:
var k = /q=(.+?)(&|$)/.exec(url);

Lycos:
var k = /query=(.+?)(&|$)/.exec(url);

Overture:
var k = /keywords=(.+?)(&|$)/.exec(url);

Ilse:
var k = /search_for=(.+?)(&|$)/.exec(url);

Is het mogelijk om het dikgedrukte stukje variabel te maken, zodat ik het in een functie kan zetten?

[drm]

Je weet toch al wat het pipe symbol doet?
probeer maar 's:

code:

/match (dit|dat|zus|zo)/

matcht op de volgende strings:
[list]• match dit
• match dat
• match zus
• match zo

Lijkt mij niet erg lastig om er dan achter te komen hoe je je vraag in een regex moet verwerken.

[pim]

Je hebt gelijk, kan hem idd wel gewoon zo doen:

code:

var k = /(q=|query=|p=|key=|search=|\/web\/|terms=|qkw=|keywords=|search_for=)(.+?)(&|$)/.exec(u);
document.write(k[2]);

[Verwijderd]

wtf. Zoveel omslachtige oplossingen voor een makkelijk probleem.

Trek alles (met regex) weg tussen q en w (dat wilde je toch)
Split daarna alles op '&', en split die content weer op '='

hou je prachtige array over met al je shit

[crisp]

Verwijderd schreef op 02 december 2003 @ 17:46:
wtf. Zoveel omslachtige oplossingen voor een makkelijk probleem.

Trek alles (met regex) weg tussen q en w (dat wilde je toch)
Split daarna alles op '&', en split die content weer op '='

hou je prachtige array over met al je shit

Het gaat alleen om de keywords, maar dan in verschilende soorten URL's. Dat is met 1 regexp op te lossen; wat er verder in de querystring staat boeit gewoonweg niet, dus waarom zou je de hele querystring dan gaan uitsplitsen?

[oh,when?]

Verwijderd schreef op 02 december 2003 @ 17:46:
wtf. Zoveel omslachtige oplossingen voor een makkelijk probleem.

Trek alles (met regex) weg tussen q en w (dat wilde je toch)
Split daarna alles op '&', en split die content weer op '='

hou je prachtige array over met al je shit

en wat moet je dan met die array? 'lekker omslachtig' erdoor heen gaan lopen? een Regular Expression die hier uitkomt is bijzonder elegant moet ik eerlijk zeggen, en precies waar ze voor bedoeld zijn...dus verklaar u nader over het begrip 'omslachtige oplossing' voor een 'makkelijk probleem' want ik volg het niet helemaal.