Жадность в регулярных выражениях

[Роберт]

Жадность в регулярных выражениях

Народ , подскажите как в PHP сделать НЕ жадный запрос в регулярных выражениях?
С самими регулярными выражениями работаю уже года 4 но восновном в Делфи и UNIX'овскими GREP'ами , а тут в PHP залез и смотрю что они не совместимы
Вот собственно простинькое регулярное выражение:
[?&](ee=(.+?)&)
Тоесть фрагмент начинается со знака ? или знака & , потом идёт ee= , и далее до БЛИЖАЙШЕГО знака &.
Проблема именно с тем чтобы "до ближайшего". Он ругается фразой:
Warning: REG_BADRPT:
что расшифровывается как
--
(неправильное использование операторов повторения,
таких, как `*', в качестве первых символов);
--
По крайней мере так написано в документации по linux'у.
Если вместо (.+?) пишу простой жадный запрос (.+) тогда всё работает , но ясное дело не до ближайшего , а до последнего знака &.

Помогите если кто знает?
Знаю что в PHP можно использовать перловские запросы но не знаю пойдётли это дело на виндовсе. Может кто может написать как этоже будет выглядеть в PERL'овском запросе под PHP?

 

[si]

используй по возножности preg_* функции это Perl-compatible
Они на порядок быстрее чем POSIX и к тому же они мощнее и есть в них +?

 

[Роберт]

А как этот запрос будет выглядеть под preg_ ?
Там ведь чуток другой синтаксис , какие-то вначале и в конце слэши с мусором добавляются (если я не ошибаюсь).

А вот по поводу того , что он быстрее - я бы не стал утверждать! Тут один очень интересный мануал читал по поводу оптимизации работы в PHP , интересную вещь пишут - preg_ действительно на 50% - 500% быстрее ereg'a но это в случае если результат будет найден. А в случае если то , что ты ищешь не присутствует в строке , то preg_овский запрос от 10 до 100 РАЗ медленне работает чем ereg!!!
Судя по тому как написан был мануал я сомневаюсь что там врут.
Вобщем сейчас поищу его и выложу сюда , пусть кому интересно потестирует...

 

[fisher]

Originally posted by Роберт
А как этот запрос будет выглядеть под preg_ ?

ну, например

$dummy = 'что несете?ee=самовар&сколько&стоит?ee=3 рубля&';
$format = '/[?&](ee=(.+?)&)/';
$matches = array();
preg_match_all ($format,$dummy,$matches) ? 
    var_dump($matches) : print "preg_match failed.";

дамп:
array(3) {
[0]=>
array(2) {
[0]=>
string(12) "?ee=самовар&"
[1]=>
string(12) "?ee=3 рубля&"
}
[1]=>
array(2) {
[0]=>
string(11) "ee=самовар&"
[1]=>
string(11) "ee=3 рубля&"
}
[2]=>
array(2) {
[0]=>
string(7) "самовар"
[1]=>
string(7) "3 рубля"
}
}

по ключам дампа: [0]что попало, [1]внешние скобки, [2]внутренние скобки. порядок там можно менять, RTFM

 

[si]

Возножно Вы и умный мануал читали, но мой опыт говорит что перловые быстрее гораздо, приведите плиз пример обратного.

Только не сочинения очередного автора, и просто пример выражения. Некоторые выражения способны завесить движек regexp, такие примеры не принимаються, т.к это ошибочные выражения, а не проблема regexp engine.

 

[Роберт]

Автор оригинала: si
Только не сочинения очередного автора...

Вот , нашол его. Я всётаки дам сюда ссылку (помоему статья интересная , хотя я никогда ею не руководствовался ВОТ ОНА
А пример прост:
Есть текстовый файл размером 28Мб , в котором нет НИ ОДНОГО Е-Майловского адреса (тоесть нет символа "@") , и два варианта поиска (PHP и Перловский)

1. {eregi("([a-z_-]+@([a-z][a-z-]*\.)+([a-z]{2}|com|mil|org|net|gov|edu|arpa|info|biz))",$text,$ok); echo $ok[1];}
2. {preg_match("/([a-z_-]+@([a-z][a-z-]*\.)+([a-z]{2}|com|mil|org|net|gov|edu|arpa|info|biz))/im",$text,$ok); echo $ok[1];}
   [/list=1]
   
   Первый вариант отрабатывает за 0.5 секунды , второй за 5 секунд...
   Или ты не согласен?

 

[si]

Пару примеров :
файл 34M

/m - я убрал из перлового, т.к он там не нужен (зачем его туда поставили, надо у авторы спросить)

  eregi("([a-z_-]+@([a-z][a-z-]*\.)+([a-z]{2}|com|mil|org|net|gov|edu|arpa|info|biz))",$text,$ok);

  if (strpos($text,'@')!==false)
    preg_match("/([a-z_-]+@([a-z][a-z-]*\.)+(com|mil|org|net|gov|edu|arpa|info|biz|[a-z]{2}))/i",$text,$ok);

@ нет:
Time: 0.66456198692322 sec
Time: 0.36017000675201 sec

'@' есть (в конце файла):
Time: 141.86080098152 sec
Time: 17.437381982803 sec

'@' есть (в начале файла):
Time: 0.72716689109802 sec
Time: 0.014925003051758 sec

Статью я эту конечно знаю , там есть много полезного, и в тоже время некотовые тесты-выводы не правильны.

 

[Роберт]

Често скажу , сам до этого не тестировал , но раз уж ты прислал результаты , я не смог остаться равнодушним и сам полез тестировать. Полученные мной результаты полностью (пропорционально) совпадают с тем , что написал автор.
Не будем сейчас рассмотривать тот вариант когда @ есть. Тут ясно что перловская будет выигрывать.
Но не всегда ты уверен , что от регулярное выражение получит результат (это как if , может получишь then , а может else).
Ты решил отделаться от этого простой проверкой всего текста на наличие знака @. Видя что у тебя статус Администратора я конечно понимаю , что могу вылетить из форума , но всётаки смею утвержать что такая проверка - это ЧИСТО ПО ДЕТСКИ!
Ты что перед кадым запросом сейчас собираешься его проверить на наличие каких-то составляющих? А если тебе надо найти не Е-Майл , а допустим Почтовый индекс или Телефонный номер. На что ты тогода будешь проверять чтобы доказать что перловская функция не уступает?

 

[fisher]

Originally posted by Роберт
смею утвержать что такая проверка - это ЧИСТО ПО ДЕТСКИ!

ты выбирай - шашечки или ехать... или мнимую "красоту", или второй вариант,если уж тебе так важна производительность.

P.S. денормализация теоретически тоже вроде как по-детски, а при грамотной реализации жизнь облегчает - огого.

 

[Роберт]

Автор оригинала: fisher
P.S. денормализация теоретически тоже вроде как по-детски...

Ты не понял. Тут ведь не ведут речь о том , как сделать быстрой какуюто часть программы , тут просто преведён факт того , что перловские регулярные выражения не всегда быстрее пхп'эшных. Никто не сказал что какой-то вариант лучьше , просто мифы о том что preg_* всегда быстрее всех - должен быть развеян...
Чтобы тот кто будет что-то писать - осмыслилбы всё и выбралбы ЛУЧШУЮ функцию для своей конкретной задачи.

 

[si]

Видимо вы меня не поняли или не захотели понять:

Во-первых идея была такова, что не надо всюду пихать regexp где надо и где не надо. Я согласен, что есть ситуации где перл-компатибле выражения медленней, но так-же есть способы, сделать так что-бы этих ситуаций стало меньше, в этом случае они буду давать существенноы выигрышь.

Во-вторых, пример со строкой в 34М не самый жизненный, логичнее обрабатывать такой файл по строкам.

В-третих: РНР вообще не предназначен для обработки таких файлов. У меня например версия mod_php просто падает на таком тексте.

1. В большенстве реальных ситуациях preg_* быстрее ereg_*
2. preg_* на много можнее ereg_*
3. Надо знать и понимать как работаею regexp чтобы их правильно писать

Кстати дедушка перл мгновенно говорит есть или нет этот regexp в таком тексте, это говорит о том, что у библотеки перловых выражений есть куда развиваться

Видя что у тебя статус Администратора я конечно понимаю, что могу вылетить из форума

А разве вы дали повод для этого ? Я не заметил. Не судите о людях по себе.

 

[fisher]

Originally posted by Роберт
Чтобы тот кто будет что-то писать - осмыслилбы всё и выбралбы ЛУЧШУЮ функцию для своей конкретной задачи.

тред ты начал с того, что попросил написать тебе регулярное выражение, которое ты обломался написать ereg'ами. его тебе написали и посоветовали пользоваться прегами. преги тебе по каким-то загадочным причинам не нравятся, и ты привел 1 (один!) случай, когда preg медленнее. тебе привели код, который _всегда_ работает _гораздо_ быстрее. валяй, осмысливай

про объем файла - я с si полностью согласен, редкий изврат сразу в память такой объем.

 

[Роберт]

Автор оригинала: fisher
тред ты начал с того, что...

Какая разница с чего начал. С регулярными выражениями я работаю даааавно , и был удивлён , что ereg работает не по стандарту , а всё что я попросил это показать что там за слэши дополнительно ставятся в preg , так как в стандарном русском мануале от третьей версии про него preg ни строчки (и не надо сразу наезжать что мануалы читаются только на английском , а последняя версия 4.2)
И чего ты привязался к тому что si проверяет через if наличие знака "@"? Это пример который был в статье , которую я процитировал. Ну там для наглядности и показали что всё дело в этом знаке. А если мне надо телефонный номер найти? Ну , попробуй что-нибудь через if придумать!
И не надо говорит про 34Мб , я лично сразу тестировал при размере в 400Кб , и тоже самое! А задачи бывают разные...

 

[si]

С регулярными выражениями я работаю даааавно

Не заметно, что в этой проблеме есть решение без нежадноко +, что в другом вашем топике их несколько.

что ereg работает не по стандарту ,

А давно не жадность это стандарт, в регах вообще нет никаких стандартов, все делают как им нравиться.

так как в стандарном русском мануале от третьей версии

Обычно люди все-таки читают оригинальные новые мануалы

 

[Роберт]

Автор оригинала: si
Не заметно, что в этой проблеме есть решение без нежадноко +, что в другом вашем топике их несколько.

Не совсем понял что тут написано. Что-то ставится под сомнения?

А давно не жадность это стандарт, в регах вообще нет никаких стандартов, все делают как им нравиться.

Сколько в юниксах работаю , да и в делфи есть мощьная библиотека , ни разу не видел ни одного различия.
А ты можешь ещё привести хоть один пример где хоть в какойнибудь реализации отсутствовалабы нежадность?

 

[si]

Не совсем понял что тут написано. Что-то ставится под сомнения?

То что вы НЕ давно с ними работаете или не знаите их.

Сколько в юниксах работаю , да и в делфи есть мощьная библиотека , ни разу не видел ни одного различия.
А ты можешь ещё привести хоть один пример где хоть в какойнибудь реализации отсутствовалабы нежадность?

В каких програмах на *nix есть не жадные +,* ? Бегло взглянул на sed там их нет.

Наверно единственный стандарт это POSIX, большинство других реалиций имеют свои стандарты,правила и особенности.

 

[Роберт]

Автор оригинала: si
То что вы НЕ давно с ними работаете или не знаите их.

Ты конкретно скажи что на это намекает?
Или может наличие в этомже форуме вопроса по поводу \\1число\\2??? В делфи $1число$2 работает отлично, а в PHP нет, но это проблема PHP, а не незнание регулярных выражений...

В каких програмах на *nix есть не жадные +,* ? Бегло взглянул на sed там их нет.

На будущее , чтоб ты знал , не плюс или звёздычка , а вопросительный знак свидетельствует о том , что выражение не жадное! А других учить пытаешься...

А по поводу того где они в юниксах - egrep посмотри , а то всякие примитивные фильтры сморишь.

 

[tony2001]

Роберт, не хами!
Тебе пытались очень вежливо и доходчиво объяснить свою точку зрения, а ты ведешь себя как последний 13-тилетний пацан.

 

[si]

На будущее , чтоб ты знал , не плюс или звёздычка , а вопросительный знак свидетельствует о том , что выражение не жадное! А других учить пытаешься...

Я это знаю, вы читать научитесь или вам надо было написать. "В каких програмах на *nix есть не жадные квантификаторы". Нет никаой разницы как они будут обозначаться, вот придумали их в перле как +? и *?, но это не значит что так должно быть везде.

Или может наличие в этомже форуме вопроса по поводу \\1число\\2??? В делфи $1число$2 работает отлично, а в PHP нет, но это проблема PHP, а не незнание регулярных выражений...

Это не проблема РНР вовсе, это особенность реализации, причем это не реализация РНР а стороних библиотек. Вы просто не знаете как записать это выражение в этой реализации. А в дельфи возможно использовать >9 т.е $10, $11 и т.д ?

А по поводу того где они в юниксах - egrep посмотри , а то всякие примитивные фильтры сморишь.

Можно пример, и желательно цитату из мануала j нежадном варианте + или *. Я например не представляю как это можно проверить, т.к egrep просто говорит есть ли совпадение или нет, но не где оно было. Да и не нужна нежадность egrep т.к ему надо знать только о наличии совпадения.

Прекратите тупо спорить, о подумайте головой.

Еще раз: обе ваши проблемы имеют решения. Достаточно простые, может вы свои познания покажете на примере решения своих же задач ?

 

[fisher]

Автор оригинала: Роберт
На будущее , чтоб ты знал , не плюс или звёздычка , а вопросительный знак свидетельствует о том , что выражение не жадное!

охохох... Роберт, ну естественно имелся ввиду "нежадный +" и "нежадная *", "звёздычка" как ты изволил выразиться, то есть +? и *?, если тебе так будет понятно ...
посмотрев в твой второй топик, я пришёл к выводу, что тебе следует умерить пыл, и просто аккуратно, подробно написать, какую именно задачу ты собираешься решить. у меня есть сомнения, что ты выбрал верный подход. и пожалуйста, ни в коем случае не хами, если хочешь, чтоб тебе ответили.