[regexp] String splitten op , - maar niet tussen haakjes

[chem]

Ik heb een string; zeg

PHP:

$string = "Waa, Woe, IF(X, '1', true), Dus";

Die wil ik splitten op de komma, maar niet als hij tussen haakjes staat.

met /[^\)]+,[^\(]+/s kom ik eigenlijk geen steek verder

[Voutloos]

Het enige wat ik zo gauw kan bedenken is de string tussen haakjes vervangen door iets, en dat later terug zetten.

Alternatief:
splitsen van een string tot '(' en onthouden welk element de laatste is.
vervolgens ga je verder tot ')' en stop dat bij dat element,
en dan de rest splitsen, waarbij het eerste stukvoor de komma ook weer bij dat element hoort.
Drie deelproblemen. En als je haakjes binnen haakjes hebt, gaat dat automagisch goed.

edit:
OK, maar ik ben niet zo'n reguliere expressies held.

[ Voor 70% gewijzigd door Voutloos op 15-01-2004 16:01 ]

[chem]

Dan kan ik net zo goed een char-by-char scanner maken en een (-teller bijhouden... en dat vind ik ruk, en traag

[crisp]

1e poging:

PHP:

$string = "Waa, Woe, IF(X, '1', true), Dus";

preg_match_all('/(?:\s*)(([^(,]|\(.*?\))+)(?:,?\s*)/',$string,$array);

print_r($array[1]);

echter als je dit soort dingen hebt:

PHP:

$string = "Waa, Woe, IF(X, '(blaat)', true), Dus";

dan ga je natuurlijk weer de mist in...

[chem]

Helaas, meerdere haakjes komen voor

[Janoz]

Puur theoretisch bekeken moet een tokenizer sneller werken dan een regexp. Een reguliere expresse zal immers ook tekentje voor tekentje moeten gaan matchen. Maar jij werkt natuurlijk weer met php .. Ik zou persoonlijk toch gewoon een tokenizer maken (geen char voor char scanner, maar mbv findFirst achtige functies) die zoekt op ( , en ) en inderdaad een tellertje.

[crisp]

volgens mij heeft PHP ook geen functie die de 1e occurance uit een verzameling karakters in een string kan vinden, dus ik denk dat je toch karakter voor karakter moet gaan matchen en een soort stack moet gaan bouwen om ( ) en ' ' combo's met daarbinnen komma's uit te filteren. Nog lastiger wordt het als je ook met escape-tekens voor ' gaat werken; ook dat moet je gaan bijhouden.

[El_kingo]

Hmm, dit lijkt mij een uitermate moeilijk probleem, maar misschien dat je iets kunt met zgn. assertions (zie ook : http://nl.php.net/manual/en/pcre.pattern.syntax.php onder Assertions)
voorbeeldje (niet getest):

code:

<?php
$arr = preg_split("/(?<!\([^\)]*),/", $string);
?>

[crisp]

Nog een poging:

PHP:

$string = "Waa, Woe, IF(X, '((\\'(1))', true), Dus";

echo $string.'<br /><pre>';

preg_match_all('/(?:\s*)(([^(,\']|\'([^\\\]|\\\\\'?)*?\'|\(([^\']|\'([^\\\]|\\\\\'?)*?\')*?\))+)(?:,?\s*)/',$string,$array); 

print_r($array[1]);
echo '</pre>';

[drm]

crisp:
volgens mij heeft PHP ook geen functie die de 1e occurance uit een verzameling karakters in een string kan vinden, dus ik denk dat je toch karakter voor karakter moet gaan matchen en een soort stack moet gaan bouwen om ( ) en ' ' combo's met daarbinnen komma's uit te filteren.

Welnee, die stack heb je helemaal niet nodig. Je doet toch niets met karakters die niet binnen de haakjes staan, je hoeft niets te evalueren of wat dan ook. Gewoon een for-lusje met een tellertje voor de haakjes. Als het tellertje 0 is en je komt een komma tegen, de verzamelde string in een array stoppen en anders verder gaan. Even uit de losse pols:

PHP:

$braces = 0;
$tmp_str = '';
$array = array ();
for ( $i = 0; $i < strlen ( $str ); $i ++ ) {
   $ch = $str {$i};
   if ( $ch == '(' ) {
      $braces ++;
   } else if ( $ch == ')' ) {
      $braces --;
   } else if ( $ch == ',' && $braces <= 0 ) { 
      // of $braces == 0, maar net hoe 'slim' je de splitter wilt maken
      $array[]= $tmp_str;
      $tmp_str = '';
      continue;
   }
   $tmp_str .= $ch;
}
if ( strlen ( $tmp_str ) ) {
   $array []= $tmp_str;
}

Nog lastiger wordt het als je ook met escape-tekens voor ' gaat werken; ook dat moet je gaan bijhouden.

Dat is een kwestie van states bijhouden. "ik zit in een string", "ik zit niet in een string", en alleen van de een naar de ander springen als de vorige character geen escape character was (bool)

Da's echt zo lastig allemaal niet, hoor, valt best wel mee. Hell, ik denk dat je zo'n functie sneller geschreven hebt dan een regex ervoor verzonnen hebt

[crisp]

drm schreef op 16 januari 2004 @ 13:41:
[...]
Da's echt zo lastig allemaal niet, hoor, valt best wel mee. Hell, ik denk dat je zo'n functie sneller geschreven hebt dan een regex ervoor verzonnen hebt

mwa, die regexp hierboven kostte me 15 minuten geloof ik

ik denk alleen dat als ik er morgen weer naar kijk ik weer 15 minuten nodig heb om 'm te snappen, en als er dan nog een bug inzit of het toch anders moet, dan ben ik ws nog langer bezig...

[ Voor 23% gewijzigd door crisp op 16-01-2004 13:59 ]

[drm]

crisp:
mwa, die regexp hierboven kostte me 15 minuten geloof ik

Thank you for making my point

[crisp]

drm schreef op 16 januari 2004 @ 13:59:
[...]
Thank you for making my point

Ik typ gewoon langzaam

[chem]

Ik heb het nu ff met een vrijwel geheel gelijkende methode als van drm gedaan.
Dit moet maar ff voldoen tot nu, later moet ik toch gewoon de zooi als array in de source hebben staan.

[Kwai_gon_jinn]

PHP:

strpos( $string, "(" );
strrpos( $string, ")" );

aanvulling op de splitter?
Heb toch liever de RegExp.