0

Estou desenvolvendo um script que seja capaz de localizar determinadas tags em uma string e retorne todas encontradas.

O padrão da tag será: [exibebanner id="300"], sendo que dentro de id="int" sempre será um valor inteiro.

O script abaixo faz a pesquisa e retorna todos os valores de id encontrados:

    $str = '[exibebanner id="300"] <br/>é simplesmente uma simulação de texto da indústria tipográfica  <br/><b>[exibebanner id="40"]</b> e de impressos, e vem sendo utilizado desde o século XVI, quando um impressor desconhecido pegou um<br/> <b>[exibebanner id="90"]</b>';   


preg_match_all('/[exibebanner [^]]*id=["|\']([^"|\']+)/i', $str, $matches);

foreach ($matches[1] as $key=>$value) {
    echo PHP_EOL . $value;
}

RETORNO:

300 40 90

O retorno que preciso é o seguinte:

[exibebanner id="300"] [exibebanner id="40"] [exibebanner id="90"]

Com esses valores poderei aplicar uma função que encontre essas ocorrências dentro da string e troque por uma função do tipo: add_banner([exibebanner id="40"])

Não tenho experiência com expressões regulares e preciso de uma orientação.

2 Respostas 2

1

Fiz uma alteração no regex para o valor do id e funcionou, o \d pega apenas valores numéricos, e a expressão {,} se refere a 1 ou mais ocorrências.

preg_match_all('/(\[exibebanner id="\d{1,}"\])/i', $str, $matches);

Uma sugestão para quando estiver utilizando regex testar em sites como https://regexr.com/

Veja este caso aqui: https://regexr.com/4pcqb

1
  • Para "uma ou mais ocorrências", o mais comum - e mais simples também - é usar +, então ficaria \d+. O quantificador {x,} é usado quando o valor de x é maior que 1 (pois aí não há outra alternativa)
    – hkotsubo
    Commented 11/12/2019 às 12:11
1

Primeiro acho que vale explicar porque sua regex não funcionou.

Basicamente, os colchetes [] possuem significado especial em regex: servem para determinar uma classe de caracteres. Por exemplo, [abc] é uma expressão regular que significa "a letra a, ou a letra b, ou a letra c" (apenas uma delas, qualquer uma serve). E a ordem não importa, portanto [abc], [bac] e [cab] são equivalentes (veja aqui um exemplo).

Ou seja, na sua regex, o trecho [exibebanner [^] significa "a letra e, ou a letra x, ou a letra i ..., ou um espaço, ou o caractere [, ou o caractere ^". Veja que as letras e, b, e n aparecem mais de uma vez, o que é redundante. Mas o que importa é que todo este trecho corresponde a apenas um caractere (qualquer um que esteja indicado dentro dos colchetes - veja aqui um exemplo). Para que a regex considere os próprios caracteres [ e ], devemos escapá-los com \ (ou seja, devemos escrevê-los como \[ e \]).

Depois temos ]*. Aqui temos uma "pegadinha". Como não há um colchete de abertura correspondente, a engine interpreta que este é o próprio caractere ] (ou seja, neste caso não precisa escapá-lo com \). E o quantificador * significa "zero ou mais ocorrências". Isso quer dizer que se tiver um ] serve, se tiver vários ]]]] também serve, e mesmo se não tiver nenhum, também serve (afinal, são zero ou mais ocorrências de ]) - veja aqui um exemplo.

Isso tudo explica como foi feito o match desta regex. O trecho [exibebanner [^] capturou o espaço em branco antes de id= (veja que há um espaço dentro dos colchetes, então ele é um dos caracteres que correspondem à esta classe). Já o trecho ]* não pegou nenhum caractere (pois * também aceita zero ocorrências do caractere), e em seguida o restante da regex pegou do id= para a frente (aqui você pode ver melhor o que cada trecho da regex pega).

Então a primeira coisa a fazer é escapar os colchetes com \. Há outros detalhes a serem melhorados, uma alternativa seria fazer assim:

preg_match_all('/\[exibebanner id=["\']\d+["\']\]/i', $str, $matches);

foreach ($matches[0] as $value) {
    echo PHP_EOL . $value;
}

Removi o $key do foreach porque não estava sendo usado. A saída é:

[exibebanner id="300"]
[exibebanner id="40"]
[exibebanner id="90"]

Mudei outros detalhes na sua regex.

Primeiro as aspas (logo depois de id=): você tinha usado ["|\'], mas como já vimos antes, os colchetes definem uma classe de caracteres, então este trecho pega os caracteres ", | e '. Esse é um erro bem comum ao usar regex, pois o caractere | é usado para alternância, mas dentro de colchetes ele "perde seus poderes" e se torna um caractere comum. Por isso, se você tivesse algo como id=|300, a regex encontraria um match (veja). Então eu removi o | daí e deixei somente ["\'].

Depois você tinha usado [^"|\'], que é uma classe de caracteres negada (o ^ logo depois do [ diz que eu quero os caracteres que não estão na lista). Ou seja, ela vai pegar qualquer caractere que não seja ", | e '. Isso quer dizer que se o texto tiver id="abc" ou id="!@#$%&", a regex também encontrará um match (veja).

Como você disse que o id sempre é um número inteiro, então seja mais específico e use o atalho \d, que considera somente dígitos. Eu também usei o quantificador +, que significa "uma ou mais ocorrências" (a outra resposta usou {1,}, que é equivalente, mas + é o mais usual para este caso - usar {x,} ou {x,y} faz mais sentido quando as quantidades possuem valores diferentes, como por exemplo {3,} para indicar "no mínimo 3 ocorrências").

Outro detalhe é que você usou a flag i (a letra i logo depois da segunda /, no final da regex), que indica que a regex é case insensitive, ou seja, não diferencia letras maiúsculas e minúsculas. Por isso, se o texto tiver [EXIBEbanner Id="123"], ele também será encontrado. Se quiser que somente letras minúsculas sejam aceitas, basta remover o i da expressão.

Repare também que removi os parênteses, pois eles não são necessários aqui. Você pode simplesmente pegar $matches[0], que possui todos os trechos encontrados. Os parênteses formam grupos de captura, e no seu caso, como só tinha um par de parênteses, eles eram o primeiro grupo, e por isso estavam disponíveis em $matches[1]. Mas neste caso a regex já pega todo o trecho que você precisa e não há a necessidade de criar um grupo.


Mas a regex acima ainda tem um problema.

Como você usou ["\'] para as aspas, entendo que o texto pode ter tanto aspas duplas quanto aspas simples. Só que a regex não verifica se o caractere que foi usado na abertura é o mesmo do fechamento. Isso quer dizer que ela encontra um match em casos como [exibebanner id="90'].

Para evitar este problema, podemos usar um grupo de captura (agora sim ele é necessário), juntamente com backreferences:

preg_match_all('/\[exibebanner id=(["\'])\d+\1\]/i', $str, $matches);
// restante do código igual

Eu coloco os parênteses em volta das aspas de abertura (logo depois de id=), e isso cria o primeiro grupo de captura. Depois eu uso a backreference \1, que significa "o mesmo texto que foi capturado no grupo 1". Neste caso, será o caractere correspondente às aspas de abertura (" ou '). Isso garante que a regex só pega os casos em que as aspas de abertura e fechamento usam o mesmo caractere, ignorando casos como id="90'.

Claro que se os dados são controlados e você "sabe" que as aspas sempre estão corretas (não existem casos como id="90'), aí não precisa de tanto preciosismo. O ideal é ser o mais específico possível, mas encontrando um equilíbrio entre a complexidade da regex e a acurácia da mesma nos dados sendo analisados.

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 .