1

Tenho um texto com placeholders [[xx]], [[ccvf]], [[dfg]], etc. O texto dentro do placeholder é indeterminado e a quantidade de placeholders é variável.

Então no seguinte texto como eu poderia ter uma array com todos os placeholders?

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed aliquet imperdiet sapien, [[xx]] vitae luctus augue convallis quis. Pellentesque felis eros, dignissim vitae [[ccvf]] dignissim sed, porta a leo. Duis tincidunt, ex sit amet sollicitudin vehicula, nibh velit ultrices ipsum, at feugiat enim arcu et [[dfg]] enim.

Resultado desejado:

$placeholders = ['xx','ccvf','dfg']

2 Respostas 2

1

Na sua resposta (que não está errada), você usa a flag U, que faz com que o quantificador * não seja greedy (ganancioso), tornando-o lazy (preguiçoso). É o mesmo que usar /\[\[(.*?)\]\]/ - usar .*? sem flag U tem o mesmo efeito de usar .* com a flag, e ambas funcionam perfeitamente. Só gostaria de propor uma alternativa.

Apesar de .*? (ou .* com a flag U, que são a mesma coisa) funcionar, os quantificadores lazy têm o seu preço. Basicamente, a regex tem que ficar indo e voltando várias vezes na string, para encontrar um trecho que a satisfaça. E como o ponto corresponde a qualquer caractere, as possibilidades que a regex precisa verificar podem aumentar exponencialmente, dependendo do caso (não é o caso da sua regex, mas mesmo assim é importante saber disso e não usar .* sempre, "no automático").

Em regex, o melhor é dizer exatamente o que você quer e o que não quer. O ponto corresponde a qualquer caractere, mas você realmente quer que tenha "qualquer coisa" entre [[]]?

Uma alternativa seria usar '/\[\[([^\[\]]*)\]\]/'. Eu troquei o ponto por [^\[\]], que é uma classe de caracteres negados. Ou seja, ela corresponde a qualquer caractere que não seja o que está entre [^ e ]. No caso, é \[\], ou seja, é qualquer caractere que não seja [ nem ]. Assim, eu nem preciso da flag U, pois o quantificador * vai parar quando encontrar o primeiro ] (ou outro [, evitando casos como [[[, que entendi que não deve aparecer).

A diferença de desempenho, neste caso, não é tão grande, mas a classe de caracteres negados é ligeiramente mais rápida: veja a versão com .* e compare a quantidade de passos com a segunda versão. Claro que para poucas strings pequenas, a diferença será imperceptível. Mas há outra diferença entre essas soluções.

Caso a string tenha um placeholder incompleto (por exemplo, [[abc] - com um ] faltando, talvez por erro de digitação - ou [[abc - sem o fechamento), a regex com .* acaba pegando mais caracteres do que devia (já que o ponto corresponde a qualquer caractere, inclusive os próprios caracteres [ e ], e caso a regex julgue necessário, o ponto pega o [ ou o ] como parte do match). Exemplo:

$str = "Lorem ipsum [[xx] et [[dfg]] abc [[ops abc [[xyz]]";
preg_match_all('/\[\[(.*)\]\]/U', $str, $pat_array);
var_dump($pat_array);
preg_match_all('/\[\[([^\[\]]*)\]\]/', $str, $pat_array);
var_dump($pat_array);

A saída deste código é:

array(2) {
  [0]=>
  array(2) {
    [0]=>
    string(16) "[[xx] et [[dfg]]"
    [1]=>
    string(17) "[[ops abc [[xyz]]"
  }
  [1]=>
  array(2) {
    [0]=>
    string(12) "xx] et [[dfg"
    [1]=>
    string(13) "ops abc [[xyz"
  }
}
array(2) {
  [0]=>
  array(2) {
    [0]=>
    string(7) "[[dfg]]"
    [1]=>
    string(7) "[[xyz]]"
  }
  [1]=>
  array(2) {
    [0]=>
    string(3) "dfg"
    [1]=>
    string(3) "xyz"
  }
}

Repare que a primeira regex com .* acaba pegando xx] et [[dfg e ops abc [[xyz, pois ela não consegue detectar que o xx só tem um ] e o ops não possui o fechamento. E como o ponto corresponde a qualquer caractere, a regex continua avançando na string até encontrar alguma ocorrência de ]]. Por isso ela acaba pegando mais do que devia.

Já se eu usar [^\[\]]*, a regex para quando encontra um [ ou ], e caso não encontre, a regex falha e ela pode continuar procurando em outros pontos da string. Por isso ela só encontra os placeholders que possuem a abertura ([[) e fechamento (]]), ignorando os demais casos.

Além disso, a segunda regex é mais eficiente e demora menos para detectar e ignorar esses problemas. Compare a quantidade de passos da primeira regex com a da segunda. Novamente, para poucas strings pequenas a diferença de desempenho não será tão grande, e se todas as strings possuem placeholders corretamente delimitados (ou seja, caso não ocorram os problemas de faltar o ] no fechamento), este problema não ocorrerá.


Se quiser ser ainda mais específico, pode colocar uma regex que corresponda exatamente àquilo o placeholder pode ser. Se ele só pode ter letras, por exemplo, basta usar '/\[\[([a-zA-Z]*)\]\]/'. O trecho [a-zA-Z] corresponde a qualquer letra de a a z, maiúscula ou minúscula.

Outro detalhe é que o * significa "zero ou mais ocorrências", então ele pode acabar pegando a string [[]]. Se quiser forçar que tenha pelo menos um caractere entre o [[ e ]], troque para '/\[\[([a-zA-Z]+)\]\]/', pois o + significa "uma ou mais ocorrências" (ou seja, tem que ter pelo menos uma letra entre os colchetes). Outra opção é usar valores fixos, como '/\[\[([a-zA-Z]{3,20})\]\]/' (aceita entre 3 e 20 letras) ou ainda '/\[\[([a-zA-Z]{3,})\]\]/' (no mínimo 3 letras, sem limite máximo). Adapte de acordo com o que precisar.

1

Achei a resposta:

$str = "Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed aliquet imperdiet sapien, [[xx]] vitae luctus augue convallis quis. Pellentesque felis eros, dignissim vitae [[ccvf]] dignissim sed, porta a leo. Duis tincidunt, ex sit amet sollicitudin vehicula, nibh velit ultrices ipsum, at feugiat enim arcu et [[dfg]] enim."

preg_match_all ("/\[\[(.*)\]\]/U", $str, $pat_array);

result:

array:2 [▼
  0 => array:3 [▼
    0 => "[[RegAPR]]"
    1 => "[[AnnualFees]]"
    2 => "[[SpecialOffer]]"
  ]
  1 => array:3 [▼
    0 => "RegAPR"
    1 => "AnnualFees"
    2 => "SpecialOffer"
  ]
]

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 .