Разбиение строки по массиву паттернов

[young]

Разбиение строки по массиву паттернов

Попробую объяснить:

Есть массив паттернов, вида:

* http://www.
* https://www.
* .com
* .org
* www.
* blababla
* coolstring

Есть строка "cool string www.blax.com and som https://www.1.com"

Требуется разбить строку на вхождения паттернов и остальные части строки. Причем если подходят несколько паттернов - надо брать максимально длинный. На выходе для приведенной строки должно быть:

1) строка cool string
2) паттерн "www."
3) строка blax
4) паттерн ".com"
4) строка som
5) паттерн "https://www."
6) строка 1
7) паттерн ".com"

Единственное что приходит в голову: по цилку через strpos искать первое вхождение, обрабатывать его, отрезать, и опять по циклу через strpos искать следующее вхождение.

Может есть решение лучше?

 

[Demiurg]

паттерны строго заданы ?

 

[Oleg Marchuk]

Единственное что приходит в голову: по цилку через strpos искать первое вхождение, обрабатывать его, отрезать, и опять по циклу через strpos искать следующее вхождение.

Я бы так и сделал, но предварительно отсортировав массив паттернов по длине для

Причем если подходят несколько паттернов - надо брать максимально длинный

 

[Demiurg]

/.*(pattern1|patrn2|pat3)/sU
паттерны в порядке убывания длинны, за эскеёпленые естественно.

все это в preg_match_all, не уверен, что получиться, просто идея.

 

[young]

паттерны заданы строго, но их порядка несколько сот
При средней длине 4 символа, длина регулярки ~600 символов, она не будет тормозить?

И этот алгоритм будет гарантировать, что будет взято наибольшее вхождение?
Ибо в строке
http://www.a.com
Есть паттерны
http:// и http:/www

 

[Demiurg]

> она не будет тормозить?
потестируй не думаю, что будет тормозить сильнее кучи phpшных циклов.

>И этот алгоритм будет гарантировать, что будет взято наибольшее вхождение?
тут надо подробнее разбираться с движком pcre. На сколько я его понимаю, гарантия есть.

 

[Oleg Marchuk]

она не будет тормозить?

Будет. Мы тут обсуждали достаточно простую задачу, которая касается регекспов. Вот пример, оцени сам.

И этот алгоритм будет гарантировать, что будет взято наибольшее вхождение?

Будет. pcre так работает, он всегда находит наибольшее совпадение. Именно для избежания этого придумали конструкцию типа '/.*?/'

 

[Demiurg]

>Будет. pcre так работает, он всегда находит наибольшее совпадение.
Посмотри внимательно на модификаторы, которые я написал.

 

[Demiurg]

Oleg Marchuk, здесь речь идет не о простом вырезании строки, так что понятие "тормозить" - здесь относительно. Если считаешь, что будет, предложи свой вариант.

 

[Oleg Marchuk]

Да, не заметил. Модификатор "U" явно лишний. Нас же максимальные строки интересуют. С другой стороны preg_match_all вернет все найденые строки.

 

[Blindman]

$p='~(http://www\.|https://www\.|www\.|\.com|\.org|blababla|coolstring)~';
$s="cool string www.blax.com and som https://www.1.com";
$a=preg_split($p,$s,-1,PREG_SPLIT_DELIM_CAPTURE);

Порядок выбора паттернов, разделенных палкой, определяется порядком их следования, а не режимом greedy/ungreedy. Поэтому длинные паттерны в начало регэкспа, короткие-в конец.

 

[Demiurg]

> Нас же максимальные строки интересуют.
он там стоит не для этого, а для того, что бы мы не получили одно совпаджение в коце строки, вместо всех.

Blindman, тоже вариант.