Zaseknute slovo, regularny vyraz

Fórum › PHP

Smokie0

Expert

22. 8. 2008 #1

Zdravim,

pisem parser vysledkov z jednej webovej hry a nemam problem s vyberanim udajov pomocou regularnych vyrazov, az na jeden...

Hlavny problem je ten, ze ten vypis porozdelovany na niekolko riadkov. Skusal som to vsetko natlacit do jedneho riadku roznymi sposobmi (nl2br a potom som nahradzoval prazdnymi znakmi, alebo preg_replace("/\n$/", "", $_POST['code']); a podobne) a nic mi nepomohlo.

Vieme, ze vo vsetkych vysledkoch su vypisani hraci, ich udaje a vysledky. To u mna vyzera napriklad takto:

	3

1	[Kool Tools] Aivar Raudkepp

14 points

Api Racing

+6.603		Reynard

Honda

Firestone	+24.500

52.974

5 stops

A problem je prave vo zvyraznenom slove. Neviem ako ho dostat vonku. Ked budem hladat iba cisto text, tak mi najde nieco ine, napr. to Kool Tools, cize tade cesta nevedie. Snazil som sa do vyrazu zakomponovat aj riadok nad nim a pod nim, ale neberie mi to. Neviem ako to urobit spravne.

Tak prosim o radu.

Nahlásit jako SPAM

IP: 88.212.23.–

Smokie0

Expert

22. 8. 2008 #2

No tak, ludia, prosim :) ako do regularneho vyrazu zadat to aby sa bral do uvahy riadok nad hladanym vyrazom a riadok pod nim?

Nahlásit jako SPAM

IP: 88.212.23.–

bukaj0

Věrný člen

22. 8. 2008 #3

Smokie
Nějak nechápu ten formát. Vidím v tom akorát různě rozházená čísla a řetězce :o)

Jinak si myslím, že na parsování nějakých složitějších věci nejsou reguláry zrovna tím nejvhodnějším.

Nahlásit jako SPAM

IP: 85.70.13.–

Jak se správně ptát? -> http://www.hash.cz/inferno/otazky.html[br][br] Po programování je člověk hladovej.

Smokie0

Expert

22. 8. 2008 #4

To bukaj : Ten format su rozhadzane cisla a retazce.
Tam ide o to, ze sa pride na stranku tej hry, skopiruje sa cez ctrl+a a ctrl+c cely jej obsah (to co sa pri kopirovani ulozi do pamate je vo formate ako som ukazal) a ten sa vlozi do parsera, ktory z toho urobi normalne lahko citatelny format pre tretiu stranu (forum). Ta hra nie je moja, cize ja neviem tie udaje priamo nacitat z databazy do pozadovaneho formatu.

Cital som, ze na medzery, tabulatory a tieto veci je [space], ale to neviem nijak raz donutit fungovat.

Nahlásit jako SPAM

IP: 88.212.23.–

bukaj0

Věrný člen

22. 8. 2008 #5

Smokie
Pochop, že parser nemůže parsovat něco, co nemá žádnou specifikaci, žádný tvar. Tohle není formát, ale kopa znaků. Jestli je ta hra někde veřejně přístupná, hodil by se odkaz na ní, lépe na zdroj, odkud data bereš, ještě na specifikaci výstupního formátu, nejlépe na všechno. Jinak těžko něco říct. Když tak pošli, co zatím na „parsování“ máš, z toho se taky bude dát hádat, jaký to má vlastně tvar.

Nahlásit jako SPAM

IP: 85.70.13.–

Jak se správně ptát? -> http://www.hash.cz/inferno/otazky.html[br][br] Po programování je člověk hladovej.

Smokie0

Expert

22. 8. 2008 #6

Neviem ci sa spravne chapeme. Tych 9 riadkov, ktore som tu skopiroval som stale opakuju, len sa tam tie hodnoty menia.
Napriklad to co som tu ukazal hovori o tom, ze ten clovek s menom Aivar Raudkepp skoncil na 3. mieste (1. riadok) a kvalifikoval sa ako 1. (2. riadok). Za svoju poziciu berie 14 bodov (3. r) a jazdi za tim Api Racing (4. r). A tak dalej.
A toto sa opakuje u kazdeho kto je evidovany vo vysledkoch. Presne v tomto formate.

Ospravedlnujem sa, ze som to nazval parserom. Viem, ze to nie je parser v plnom slova zmysle, ale nenapadlo mi nic ine cim by som to mohol v kratkosti pomenovat. :)

Nahlásit jako SPAM

IP: 88.212.23.–

bukaj0

Věrný člen

23. 8. 2008 #7

Smokie
Tych 9 riadkov, ktore som tu skopiroval som stale opakuju ... ze ten clovek s menom Aivar Raudkepp skoncil na 3. mieste (1. riadok) a kvalifikoval sa ...
To jsem přesně potřeboval vědět! :o) Pak tedy, pokud vstup rozdělíš vždy po těch devíti řádcích, můžeš použít k „parsování“ nějaký „jednoduchý“ regulární výraz jako:

preg_match("~^\s*

        (?<umisteni>\d+)\s*

        (?<kvalifikace>\d+)\s*\[(?<neco>[^\]]+)\]\s*(?<jmeno>[A-Za-z0-9 ]+)\s*

        (?<body>\d+)\s*points?\s*

        (?<tym>[A-Za-z0-9 ]+)\s*

        (?<float>(?:\+|-)?\d+\.\d*)\s*(?<dalsi_jmeno>[A-Za-z0-9 ]+)\s*

        (?<auto>[A-Za-z0-9 ]+)\s*

        (?<druhy_tym>[A-Za-z0-9 ]+)\s*(?<dalsi_float>(?:\+|-)?\d+\.\d*)\s*

        (?<treti_float>(?:\+|-)?\d+\.\d*)\s*

        (?<stopy>\d+)\s*stops?\s*$~x",

    $record,

    $parsed

);

var_dump($parsed);

Vezme to data z proměnné $record a naseká je do $parsed. Doporučuji poupravovat, co se může vyskytnout jinak, názvy výsledných indexů apod. Taky to zkusit pustit na nějaký větší set záznamů, jestli to dělá, co se od toho očekává.

Nahlásit jako SPAM

IP: 85.70.13.–

Jak se správně ptát? -> http://www.hash.cz/inferno/otazky.html[br][br] Po programování je člověk hladovej.

Smokie0

Expert

23. 8. 2008 #8

Vau :) dobre, vdaka :)

Nahlásit jako SPAM

IP: 88.212.23.–

Smokie0

Expert

23. 8. 2008 #9

Vyskusal som to, ale vracia to iba prazdne pole... Skusal som to upravit, alebo napisat aj iny vyraz inspirovany niektorymi vecami tam, ale nikdy to nefungovalo (vracalo chyby s '' identifikatormi a podobne).

Castejsie som to skusal riesit funkciou ereg, lebo preg_match si stale naslo nejaku chybu, bolo to zlozite.
Regularne vyrazy som sa ucil hlavne z www.php.sk a www.regularnivyrazy.info/regularni-vyrazy-zaklady.html, takze odtial mam zaklady.

Uz som presiel plno tutorialov kde riesili newline a multiline, ale nic z toho nefunguje... Ani \s(s roznymi kvantifikatormi), ani dokonca \nl (o com som aj pochyboval).

Pri skopirovani z tej stranky (ten text, retazec nie je skopirovany zo zdrojaku, ale rovno z prehliadaca tak ako to je vidiet. Inak sa to neda, lebo ta hra je pisana v zmesy JavaScriptu a bohviecoho, cize zo zdrojaku to je takmer nemozne vytiahnut) sa to samo poodsadzovalo tak ako to je vidiet v priklad v prvom prispevku. To bolo v tabulkach a podobne samozrejme, cize to je dosledok toho. A vazne zacinam rozmyslat ci nie je to ten problem...

Uz som z toho zufaly.

Vazne rozmyslam nad tym, ze to urobim ako drevorubac. Najprv to co skopirujem zo stranky vlozim do textoveho pola, to necham vypisat na obrazovku bez nl2br a podobnych veci. Vdaka tomu sa mi to vypise ako celistvy retazec bez odsadzania a riadkovania. A tento vysledok potom znova vlozim do textoveho pola a tak spracujem...

Nahlásit jako SPAM

IP: 88.212.23.–

KIIV

~ Anonymní uživatel
~ 8632 příspěvků

24. 8. 2008 #10

jestli si chtel nahrazovat v tom retezci odradkovani za nic tak jen upozornuju ze $ se vztahuje na konec retezce ne radku
tj s/\n/ /g

Nahlásit jako SPAM

IP: 77.237.136.–

KIIV

~ Anonymní uživatel
~ 8632 příspěvků

24. 8. 2008 #11

ale jinak casteji je mozna vhodnejsi to hodit do pole pomoci split("\n",$retezec) a pak si to muzes klidne pomoci join ci implode spojit :D