1

NOTIFICAÇÃO

As soluções abaixo, unicamente não terá grandes serventias, com elas é necessário anteriormente já ter implementado URL amigável, e também verificações de exibição do conteúdos do sistema que será implementado, aqui apenas vou dar exemplos de entradas de endereços completas recebidas na URL, para cada projeto em especifico o pórprio sistema já deve ter um tratamento de recebimento de parâmetro assim com o meu ou tentar se basear no que a função pode oferecer para implementá-la. Mas afinal qual o objetivo dela então?

Se o seu sistema já não está trazendo os dados caso seja solicitado uma URL do tipo "meu-site///an*i#maç!ao" e com isso trás algo como "página não encontrada..."

Ótimo! A função terá serventia e irá tentar redirecionar caso o próprio servidor já não bloqueie com erro 400

OBJETIVOS:

1) Quando não se tem parâmetros de busca via GET do tipo "?"

meu-site///an*i#maç!ao//##minha-postagem/

para isso!

meu-site/animação/minha-postagem

utilizo:

if(preg_replace('/[^A-Za-z0-9-\/]/','',$url)){  
       //remove caracteres especiais permitindo hífen,e barra
      $nova_url= preg_replace('/[^A-Za-z0-9-\/]/','',$url);
}


if(preg_replace(('/(\/)\1+/',$url)){
      //remove varias barras seguidas
     $nova_url= preg_replace('/(\/)\1+/','$1', $url);
}

***** Solicitação de Melhoria: (poderia remover barra se houvesse na última posição) *****

2) Quando eu tenho somente o parâmetro de busca via GET do tipo "?" sem paginação:

meu-site/@#$%%@?sWXX=palavra

para isso!

meu-site/?s=palavra

Implementado (função criada e explicada abaixo)

 preg_match('/^.*?\?.*?s.*?=$/', $str)) {return "?s=";}

3) Agora quando eu tenho paginação e parâmetro de busca juntos

 meu-site/!anim a cao/!!!page/@#$%%@?sWXX=palavra

para isso!

meu-site/animacao/page/2?s=palavra

Implementado (função criada e explicada abaixo)

 if (preg_match('{^((?:[a-zA-Z][^a-zA-Z]*)+)/.*?p.*?a.*?g.*?e.*?/.*?(\d+).*?\?.*?s.*?=(.*)$}', $str, $matches)) {
        $trecho1 = preg_replace('/[^a-zA-Z]/', '', $matches[1]);
        return "{$trecho1}/page/{$matches[2]}?s={$matches[3]}";
    }

Enfim, sei que existem muitas possibilidades de entradas de dados, mas como disse essas expressões servem para auxiliar uma URL digitada "erroneamente" a chegar no conteúdo pretendido, diga-se de passagem melhorando até uma possível duplicação de conteúdo! Isso era o que eu precisava mas se pode melhorar, aqueles que quiserem ajudar a modificar minhas próprias funções mesmo, comentem e ajudem a melhorar o código!

ABAIXO VEM O PEDIDO E AS EXPLICAÇÕES

Preciso de uma expressão regular em PHP que preserve meu parâmetro de busca. Meu parâmetro no site chama s (abreviação de search, assim como a maioria dos sites), logo quando eu for fazer uma busca no site via GET o navegador vai interpretar assim:

meu-site/?s=

Basicamente o que preciso é se houver qualquer coisa antes do parâmetro ?s= ou qualquer coisa no meio dele, o preg_replace remova e me retorne a string da maneira limpa acima.

Vamos lá então, o que preciso que essa expressão faça:

Primeira expressão

  1. Se não há parâmetro algum além do "?s=" na string não faça nada se ela estiver assim!

    ?s=
    

Caso contrário remova tudo o que está entre ela (após não precisa, o navegador entende como a palavra de busca), e tudo o que está antes! Permitindo apenas caracteres a-z, números 0-9, 1 barra única (não seguida) e hífen, como as expressões que fiz abaixo ex:

Entrada:

a) ???!!?s=

b) ///()!?s=

c) !?s!=

Saída:

?s=

Segunda expressão

  1. Agora se tiver mais parâmetros na URL além do s (não se preocupe já verifico isso tudo) apenas interprete a string de entrada.

OBS: para paginação, eu não utilizo mesmo a barra após o número da paginação...

animacao/page/2?s=

Entrada:

1) animacao/!pa*ge)*&/2?s=

2) animacao////!?page))/2?s!=

3) animacao/!?pa_ge))/!@2?s*!=

Saída:

animacao/page/2?s=

Essas minhas expressões que fiz funcionam bem em todo site, só que somente se não houver parâmetro de busca via GET como por exemplo "?s=", enfim já utilizo para tratar:

<?php 
//remove caracteres especiais,permitindo apenas / e hífen
preg_replace('/[^A-Za-z0-9-\/]/','',$url);

//remove barras varias barras
preg_replace('/(\/)\1+/','$1', $url);

//remove várias interrogações seguidas
preg_replace('/([?])\1+/','$1', $url);
?>

Atualização do pedido em relação aos comentários

A função que o Usuário "hkotsubo" ofereceu está de acordo com o que preciso, lendo sua ótima explicação sobre a mesma, testei e identifiquei uma melhoria caso possível.

O valor que a expressão recebe na "$matches[1]", creio que nesse caso a palavra "animacao" (posso estar errado) não está funcionando casa tenha espaço antes, entre ou após a palavra.... e caracteres especiais...

O que preciso:

Se possível de permitir hífen, e se houver espaço ou caracteres especiais em qualquer posição remova. O hífen creio que consegui adicionando nesse trecho "a-zA-Z-" agora o espaço precisa de de um tratamento...

Entrada:(espaço)

1) ani mac ao /page/2?s=

2) a!!@*ni-ma-cao!/page/2?s=

Saida:

animacao/page/2?s=
4
  • 1
    Dúvidas: sQ!= vira s= - por que o Q some? Não deveria ser sQ=? Ou só pode ter um parâmetro chamado s? E por que ![]}page!)///2?s= vira page/2?s=, mas !!@SSDwe?s= vira ?s=? Qual o critério para page não sumir e SSDwe sumir? Só pode ter o s, ou pode ter ?s=a&xyz=abc&etc=123....? Enfim, não ficou claro para mim todos os critérios...
    – hkotsubo
    Commented 1/03/2019 às 17:27
  • Também fiquei com a dúvida do @hkotsubo .... Acho que você poderia exemplificar melhor.. Tipo: Se a url for assim: meu-site/!!@SSDwe?s= quero que fique assim: meu-site/?s= por exemplo... Se ela for "assado" ... Quero que fique assim... e tal... Commented 1/03/2019 às 17:48
  • sim vou explicar direitinho... Commented 1/03/2019 às 17:48
  • Editada, qualquer coisa me pergunte. Commented 1/03/2019 às 18:21

2 Respostas 2

3

Não sei se entendi exatamente todas as regras e talvez eu esteja simplificando demais o problema, mas vamos lá:


Parâmetro s

Para o parâmetro s, você quer que o resultado final seja a string ?s=, e quer eliminar todos os demais caracteres que não façam parte desta string.

Então na verdade você não precisa fazer substituições mirabolantes, basta verificar se existe um ? em algum lugar da string, em seguida, verifique se depois existe um s, e se no final existe um =:

function ajusta_parametro($str) {
    // se tiver algum "?", depois algum "s", e termina com "="
    if (preg_match('/^.*?\?.*?s.*?=$/', $str)) {
        return "?s=";
    }
    // se não estiver no formato correto, retorna '' ou dá erro, você decide
    ...
}

Usei os marcadores ^ (início da string) e $ (final da string), para garantir que a string toda tem o formato que quero. Depois usei .*? (zero ou mais ocorrências de qualquer caractere). Lembrando que o .* é ganancioso e sempre pega a maior quantidade possível de caracteres, mas colocando o ? logo depois eu cancelo este comportamento, e a regex passa a verificar a menor sequência possível. (neste caso específico acho que não faz muita diferença, talvez seja ligeiramente mais rápido por não precisar pegar a maior sequência possível).

Depois tenho \? (o próprio caractere "ponto de interrogação"), seguido de zero ou mais caracteres, seguido de s, seguido de zero ou mais caracteres, seguido de = e o final da string. Ou seja, a regex verifica se tem algum ? na string, e se depois há um s (podendo ou não ter qualquer coisa no meio), e se depois há um = (podendo ou não ter qualquer coisa antes dele).

Se a string tiver esse formato, simplesmente retorno ?s=. Senão, você decide se vai retornar algo (string vazia talvez) ou se mostra uma mensagem de erro.

Com isso, todas as strings abaixo retornam ?s=:

echo ajusta_parametro('???!!?s='), "\n";
echo ajusta_parametro('///()!?s='), "\n";
echo ajusta_parametro('!?s!='), "\n";
echo ajusta_parametro('!?sQ!='), "\n";

Paginação

Para a paginação, podemos usar um raciocínio parecido. Pelo que vi, do formato animacao/page/2, vou assumir que é:

  • algum texto (sequência de letras)
  • /page/número(s)

Para o texto, podemos usar [a-zA-Z]+. page sempre será fixo e eu uso algo similar ao que fiz para o parâmetro s (vejo se tem um p, seguido de qualquer coisa, seguido de a, etc). E para o número, eu uso \d+ (um ou mais dígitos).

Outro detalhe é que em PHP geralmente os exemplos de regex usam /regex/ (com as barras delimitando a expressão). Se eu quiser colocar uma barra dentro da expressão, tenho que escrever como \/. Mas eu também posso mudar os delimitadores para qualquer coisa, e com isso não preciso escapar a barra com \. A regex fica assim:

function ajusta_page($str) {
    // se tiver algum texto/page/número, podendo ter vários caracteres entre eles
    // usei { } para delimitar a regex (em vez de / /)
    if (preg_match('{^([a-zA-Z]+)/.*?p.*?a.*?g.*?e.*?/.*?(\d+).*?$}', $str, $matches)) {
        return "{$matches[1]}/page/{$matches[2]}";
    }
    // se não estiver no formato correto, retorna '' ou dá erro, você decide
}

Nesse caso, coloquei [a-zA-Z]+ e \d+ entre parênteses, pois isso forma um grupo de captura, que são colocados na variável $matches. Assim, $matches[1] corresponde ao primeiro parênteses (no caso, [a-zA-Z]+, o nome da página), e o $matches[2] corresponde ao segundo parênteses (\d+, o número da página). Eu junto tudo e o resultado será "nome/page/número".

Todos os casos abaixo imprimem animacao/page/2:

echo ajusta_page("animacao/!page)&/2"), "\n";
echo ajusta_page("animacao////!?page))/2"), "\n";
echo ajusta_page("animacao/!?pa_ge))/!@2"), "\n";

Agora é só juntar tudo

Juntando as duas regex em uma só, temos:

function ajusta($str) {
    if (preg_match('{^([a-zA-Z]+)/.*?p.*?a.*?g.*?e.*?/.*?(\d+).*?\?.*?s.*?=$}', $str, $matches)) {
        return "{$matches[1]}/page/{$matches[2]}?s=";
    }
    // se não estiver no formato correto, retorna '' ou dá erro, você decide
}

Todos os casos abaixo resultam em animacao/page/2?s=:

echo ajusta("animacao/!page)&/2???!!?s="), "\n";
echo ajusta("animacao////!?page))/2///()!?s="), "\n";
echo ajusta("animacao/!?pa_ge))/!@2!?s!="), "\n";
echo ajusta("animacao/!?pa_ge))/!@2!?sQ!="), "\n";

Se quiser que tenha mais coisas depois do = (e tanto faz o que são essas coisas), basta adicionar .* depois dele. Mas se quiser juntar essas coisas na string, use outro grupo de captura:

function ajusta($str) {
    // se tiver algum texto/page/número, podendo ter vários caracteres entre eles
    if (preg_match('{^([a-zA-Z]+)/.*?p.*?a.*?g.*?e.*?/.*?(\d+).*?\?.*?s.*?=(.*)$}', $str, $matches)) {
        return "{$matches[1]}/page/{$matches[2]}?s={$matches[3]}";
    }
    // se não estiver no formato correto, retorna '' ou dá erro, você decide
}

Assim, strings como animacao/!?pa_ge))/!@2!?sQ!=valor&param=outrovalor se transforma em animacao/page/2?s=valor&param=outrovalor.


Trecho inicial com caracteres especiais

No caso adicionado posteriormente na pergunta, a primeira parte ("animacao") também pode ter vários caracteres não-alfanuméricos entre as letras. Se o texto final for sempre "animacao", bastaria usar uma abordagem similar ao que foi feito com "page": colocar a letra a, seguido de .*?, seguido de n, seguido de .*?, e assim por diante.

Mas se puder ter qualquer texto, podemos usar ((?:[a-zA-Z][^a-zA-Z]*)+). Explicando de dentro para fora:

  • (?: cria um grupo de não-captura. Isso faz com que os parênteses não adicionem um novo valor em $matches - se eu só usasse ( (sem o ?:), isso mudaria os índices dos demais parênteses da expressão ($matches[2], $matches[3], etc - cada par de parênteses a mais adiciona um novo índice em $matches, e se eu não quiser isso, basta usar (?:).
  • [a-zA-Z][^a-zA-Z]* é "uma letra seguida de zero ou mais caracteres que não são letras". Tudo isso está dentro do grupo de não-captura e seguido de um +, ou seja, eu posso ter várias vezes essa sequência de "letra seguida de não-letras"
  • tudo isso está dentro de parênteses, para formar um grupo de captura (no caso, será $matches1).

O restante da expressão (para tratar "pages/X/?s=") é igual. O único detalhe é que $matches[1] terá a primeira parte da URL juntamente com os caracteres "não-letras", então eu preciso de um preg_replace adicional antes de construir a string final:

function ajusta($str) {
    // se tiver algum texto/page/número, podendo ter vários caracteres entre eles
    if (preg_match('{^((?:[a-zA-Z][^a-zA-Z]*)+)/.*?p.*?a.*?g.*?e.*?/.*?(\d+).*?\?.*?s.*?=(.*)$}', $str, $matches)) {
        $trecho1 = preg_replace('/[^a-zA-Z]/', '', $matches[1]);
        return "{$trecho1}/page/{$matches[2]}?s={$matches[3]}";
    }
    // se não estiver no formato correto, retorna '' ou dá erro, você decide
}

Com isso, os casos abaixo imprimem animacao/page/2?s=:

echo ajusta("ani mac ao /!?pa_ge))/!@2!?s!="), "\n";
echo ajusta("a!!@*ni-ma-cao!/!?pa_ge))/!@2!?s!="), "\n";

Considerações finais

Embora tenha sido possível resolver com regex, não sei se é de fato a melhor abordagem.

Seu programa está aceitando "qualquer coisa" e tentando extrair uma string válida dali. O problema é que há possibilidades demais a serem consideradas, e quanto mais casos você adiciona, mais complexa - e lenta - a regex vai ficando.

Se "aceitar qualquer coisa e tentar extrair uma string válida" é um requisito primordial do sistema, então não tem jeito, você terá que conviver com esta regex (e dar manutenção a cada vez que surgir um caso novo mais complicado de tratar).

Mas se puder, talvez seja melhor ter um meio-termo: uma regex que consegue validar os casos mais comuns e/ou básicos, mas que simplesmente falha se for algo complicado demais, e aí o sistema mostra uma mensagem de erro e informa quais os formatos aceitos, por exemplo - é só uma sugestão, pois não sei como será a sua interface com o usuário nem os seus requisitos (só me parece complicado demais tentar prever todas as possibilidades, mas claro que tudo depende dos seus casos de uso).

Enfim, regex é uma ferramenta poderosa, útil e - na minha opinião - muito legal de se usar, mas nem sempre é a melhor - nem a única - solução para tudo.

9
  • Meu na boa I-M-P-O-S-S-Í-V-E-L DE MAS PARA MIM! Commented 2/03/2019 às 3:38
  • PERFEITO! exatamente o que queria, mas não sabia nem por onde começar! Commented 2/03/2019 às 3:38
  • Testando aqui te pergunto... na "$matche[1]" ele não está retornando caso tenha número ou nem hífen ou espaço entre as palavras, o espaço pode remover...Tanto no início, entre, ou no final do parâmetro, o restante está funcionando normalmente! Teria como modificar man? Commented 2/03/2019 às 4:28
  • @CaioLourençon Sugiro que edite a pergunta e coloque os detalhes desse caso que falhou, pois não entendi exatamente o que aconteceu. Mas infelizmente só vou conseguir ver isso depois do feriado :-)
    – hkotsubo
    Commented 2/03/2019 às 6:15
  • 1
    Meu, na boa.. Sabe muito! Está funcionando perfeitamente, e como você explicou passo a passo posso tentar fazer alguma modificação s eu precisar e buscar mais informações posteriormente! Mas sim, você conseguiu exatamente o que eu achei que era inviável em uma única regex, sei que as possibilidades são muitas mais que estás, mas é bem complexo para que entende o mínimo com eu! Commented 5/03/2019 às 19:13
1

Baseado no que você colocou como exemplos, criei esse código comentado:

$url = "animacao/!?page))/!@2?s*!=";

// pega todas as palavras que contenham caracteres de az, AZ, 0-9, incluindo o caractere _ (sublinhado).
// OU pega a parte que tem ( ?s )
preg_match_all('/(\w|\?s)+/', $url, $partes);

// nova url que será usada
$novaUrl = "";

foreach($partes[0] as $parte){
    if(strpos($parte, "?s")){
        // se a parte a ser analisada for ( ?s ) insira na $novaUrl com um ( = ) no final
        $novaUrl .= $parte."=";
        continue; // continue o loop
    }
    // qualquer outra parte insere com uma barra no final
    $novaUrl .= $parte."/";
}

// se o último caracter for uma barra ( / ) retire ela da string
if(substr($novaUrl,  -1) == "/")
$novaUrl = substr($novaUrl, 0, -1);

// mostra o resultado
echo $novaUrl;

Veja funcionando no Ideone

3
  • Andrei Coelho, Testei agora sua função, com comandos básico ela oferece um suporte bom, mas tente jogar essa string que testei na função: "an'i-ma-c'a o/pa|ge/!@2?ssssssssssss*!=" Commented 2/03/2019 às 15:32
  • De qualquer maneira estou tirando exemplos dela para fazer outras mais simples! Commented 2/03/2019 às 15:33
  • @CaioLourençon vou fazer uma outra resposta mais precisa depois Commented 2/03/2019 às 22:05

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .