Les expressions régulières (Partie 2/2)

Alerte mon Général ! Les métacaractères s'échappent !

Le clas cas des classes

• "#" (dièse) : il sert toujours à indiquer la fin de la Regex. Vous DEVEZ mettre un antislash devant même dans une classe de caractères pour l'utiliser.
• "]" (crochet fermant) : normalement, le crochet fermant indique la fin de la classe. Si vous voulez vous en servir comme d'un caractère que vous recherchez, il faut là aussi mettre un antislash devant.
• "-" (tiret) : encore un cas un peu particulier. Le tiret, vous le savez, sert à définir un intervalle de classe (comme [a-z]). Et si vous voulez ajouter le tiret dans la liste des caractères possibles ? Eh bien il suffit de le mettre soit au début de la classe, soit à la fin. Par exemple : [a-z0-9-] permet de chercher une lettre, un chiffre ou un tiret.

Un numéro de téléphone

• Le premier chiffre est TOUJOURS un 0
• Le second chiffre va de 1 à 9 (1 pour la région parisienne... 6 et 7 pour les téléphones portables, 8 pour les numéros spéciaux, et 9 pour les numéros VOIP).
• Ensuite viennent les 8 chiffres restants (ils peuvent aller de 0 à 9 sans problème)

1. Primo, on veut qu'il y ait UNIQUEMENT le numéro de téléphone. On va donc commencer par mettre les symboles ^ et $ pour indiquer un début et une fin de chaîne :
   #^$#
2. Continuons. On sait que le premier caractère est forcément un 0. On tape donc :
   #^0$#
3. Le 0 est suivi par un nombre allant de 1 à 9. Il faut donc utiliser la classe [1-9], qui signifie "Un nombre de 1 à 9"
   #^0[1-9]$#
4. Ensuite, viennent les 8 chiffres restants, pouvant aller de 0 à 9. Il nous suffit donc d'écrire [0-9]{8} pour indiquer que l'on veut 8 chiffres. Au final, ça nous donne cette Regex :
   #^0[1-9][0-9]{8}$#

• 0153789999
• 01 53 78 99 99
• 01-53-78-99-99
• 01.53.78.99.99
• 0153 78 99 99
• 0153.78 99-99
• etc...

1. Primo, le 0 puis le chiffre de 1 à 9. Ca, ça ne change pas :
   #^0[1-9]$#
2. Après ces 2 premiers chiffres, il peut y avoir soit un espace, soit un tiret, soit un point, soit rien du tout (si les chiffres sont attachés). On va donc utiliser la classe [-. ] (tiret, point, espace).
   Mais comment faire pour dire que le point (ou le tiret, ou l'espace) n'est pas obligatoire ? Avec le point d'interrogation bien sûr !
   Ca nous donne :
   #^0[1-9][-. ]?$#
   
3. Après le premier tiret (ou point, ou espace, ou rien), on a les 2 chiffres suivants. On doit donc rajouter [0-9] à notre Regex.
   #^0[1-9][-. ]?[0-9]{2}$#
4. Et maintenant réfléchissez. Il y a moyen de terminer rapidement : on a juste besoin de dire que "[-. ]?[0-9]{2}" doit être répété 4 fois, et notre Regex est terminée ! On va se servir des parenthèses pour entourer le tout, et placer un {4} juste après pour indiquer que tout ça doit se répéter 4 fois. Ce qui nous donne finalement :
   #^0[1-9]([-. ]?[0-9]{2}){4}$#

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

<p>
<?php
if (isset($_POST['telephone']))
{
    $_POST['telephone'] = htmlspecialchars($_POST['telephone']); // On rend inoffensives les balises HTML que le visiteur a pu rentrer

    if (preg_match("#^0[1-9]([-. ]?[0-9]{2}){4}$#", $_POST['telephone']))
    {
        echo 'Le ' . $_POST['telephone'] . ' est un numéro <strong>valide</strong> !';
    }
    else
    {
        echo 'Le ' . $_POST['telephone'] . ' n\'est pas valide, recommencez !';
    }
}
?>
</p>

<form method="post">
<p>
    <label for="telephone">Votre téléphone ?</label> <input id="telephone" name="telephone" /><br />
    <input type="submit" value="Vérifier le numéro" />
</p>
</form>

Vous auriez pu aussi utiliser le raccourci \d pour indiquer un chiffre dans votre Regex :
#^0\d([-. ]?\d{2}){4}$#
Personnellement, je trouve que mettre [0-9] est quand même plus clair.

Une adresse e-mail

1. On a tout d'abord le pseudonyme (au minimum une lettre, mais c'est plutôt rare). Il peut y avoir des lettres minuscules (pas de majuscules), des chiffres, des points, des tirets et des underscores "_".
2. Il y a ensuite un arobase : @
3. Ensuite il y a le nom de domaine. Pour ce nom, même règle que pour le pseudonyme : que des minuscules, des chiffres, des tirets, des points et des underscores. La seule différence, vous ne pouviez pas forcément deviner, c'est qu'il y a au moins 2 caractères (par exemple, "a.com" n'existe pas, mais "aa.com" oui).
4. Enfin, il y a l'extension (comme ".fr"). Cette extension comporte un point, suivi de 2 à 4 lettres (minuscules). En effet, il y a ".es", ".de", mais aussi ".com", ".net", ."org", ".info" etc...

1. Primo, comme tout à l'heure, on ne veut QUE l'adresse e-mail, donc on va demander à ce que ça soit un début et une fin de chaîne :
   #^$#
2. Ensuite, on a des lettres, chiffres, tirets, points, underscores, au moins une fois. On utilise donc la classe [a-z0-9._-] à la suite de laquelle on rajoute le signe + pour demander à ce qu'il y en ait au moins un :
   #^[a-z0-9._-]+$#
3. Vient ensuite l'arobase (là c'est pas compliqué, on a juste à taper le caractère) :
   #^[a-z0-9._-]+@$#
4. Puis, encore une suite de lettres, chiffres, points, tirets au moins 2 fois. On tape donc {2,} pour dire "2 fois ou plus" :
   #^[a-z0-9._-]+@[a-z0-9._-]{2,}$#
5. Ensuite vient le point (de ".fr" par exemple). Comme je vous l'ai dit plus haut, c'est un caractère spécial qui sert à indiquer "n'importe quel caractère" (même des accents). Or, ici, on veut enlever sa signification au point pour dire que l'on veut le symbole point dans notre Regex. On va donc mettre un antislash devant :
   #^[a-z0-9._-]+@[a-z0-9._-]{2,}\.$#
6. Enfin, pour terminer, il nous faut 2 à 4 lettres. Ce sont forcément des lettres minuscules, et cette fois pas de chiffres ou de tiret etc... On écrit donc :
   #^[a-z0-9._-]+@[a-z0-9._-]{2,}\.[a-z]{2,4}$#

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

<p>
<?php
if (isset($_POST['mail']))
{
$_POST['mail'] = htmlspecialchars($_POST['mail']); // On rend inoffensives les balises HTML que le visiteur a pu rentrer

    if (preg_match("#^[a-z0-9._-]+@[a-z0-9._-]{2,}\.[a-z]{2,4}$#", $_POST['mail']))
    {
        echo 'L\'adresse ' . $_POST['mail'] . ' est <strong>valide</strong> !';
    }
    else
    {
        echo 'L\'adresse ' . $_POST['mail'] . ' n\'est pas valide, recommencez !';
    }
}
?>
</p>

<form method="post">
<p>
    <label for="mail">Votre mail ?</label> <input id="mail" name="mail" /><br />
    <input type="submit" value="Vérifier le mail" />
</p>
</form>

• the_cypher@hotmail.com
• business_consultants@free4work.info
• mega-killer.le-retour@super-site.fr.st
• etc etc...

Des Regex... avec MySQL !

• Il n'y a pas de délimiteur ni d'options. Votre Regex n'est donc pas entourée de dièses
• Il n'y a pas de classes abrégées comme on l'a vu plus haut, donc pas de \d etc... En revanche, vous pouvez toujours utiliser le point pour dire : "n'importe quel caractère".

1. Chercher s'il y a des adresses e-mail dans un message laissé par un visiteur.
2. Modifier automatiquement son message pour mettre un lien <a href="mailto:blabla@truc.com"> devant chaque adresse, ce qui rendra les e-mails cliquables !

Les parenthèses capturantes

1
2
3

<?php
$texte = preg_replace('#\[b\](.+)\[/b\]#i', '<strong>$1</strong>', $texte);
?>

1. On lui donne en premier paramètre la Regex. Rien de particulier, comme vous pouvez le constater, à part qu'il faut bien garder en tête que chaque parenthèse va créer une variable ($1, $2 etc...)
   Ici, j'ai rajouté l'option "i" pour que le code fonctionne aussi avec des majuscules ([B][/B])
2. Ensuite, et c'est là qu'est la nouveauté, on indique le texte de remplacement : "<strong>$1</strong>" (je vous rappelle que <strong> permet de mettre en gras en HTML).
   Entre les balises HTML, j'ai mis $1. Cela signifie que ce qui se trouve dans la parenthèse capturante (entre [b] et [/b]) sera en fait entouré des balises <strong> !
3. Enfin, dernier paramètre, c'est le texte dans lequel on fait notre recherche / remplacement (ça vous connaissez déjà).

• Si vous avez plusieurs parenthèses, pour savoir le numéro d'une parenthèse il suffit de les compter dans l'ordre de gauche à droite. Par exemple :
  #(anti)co(nsti)(tu(tion)nelle)ment#
  Il y a 4 parenthèses dans cette regex (donc $1, $2, $3 et $4). La parenthèse numéro 3 ($3) contient "tutionnelle", et la parenthèse $4 contient "tion"
  
  
  N'oubliez pas que c'est l'ordre dans lequel les parenthèses sont ouvertes qui est important.
  
  
• Vous pouvez utiliser jusqu'à 99 parenthèses capturantes dans une Regex (ça vous laisse de la marge ). Ca va donc jusqu'à $99
• Une variable $0 est toujours créée, elle contient toute la Regex. Sur le même exemple que tout à l'heure :
  #(anti)co(nsti)(tu(tion)nelle)ment#
  ... $0 contient "anticonstitutionnellement".
• Si, par hasard, vous ne voulez pas qu'une parenthèse soit capturante (pour vous faciliter les comptes, ou parce que vous avez beaucoup beaucoup de parenthèses), il faut qu'elle commence par un point d'interrogation suivi d'un deux points ":". Par exemple :
  #(anti)co(?:nsti)(tu(tion)nelle)ment#
  La seconde parenthèse n'est pas capturante. Il ne nous reste que 3 variables (4 si on compte $0) :
  
  1. $0 : anticonstitutionnellement
  2. $1 : anti
  3. $2 : tutionnelle
  4. $3 : tion

Créez votre bbCode

• [b][/b] : pour mettre du texte en gras.
• [i][/i] : pour mettre du texte en italique.
• [color=red][/color] : pour colorer le texte (il faudra laisser le choix entre plusieurs couleurs).

• i : pour accepter les majuscules comme les minuscules ([B] et [b])
• s : pour que le "point" fonctionne aussi pour les retours à la ligne (pour que le texte puisse être en gras sur plusieurs lignes)
• U : le U majuscule est une option que vous ne connaissez pas, qui signifie "Ungreedy" ("pas gourmand"). Je vous passe les explications un peu complexes sur son fonctionnement, mais sachez que, grosso modo, ça ne marcherait pas correctement s'il y avait plusieurs [b] dans votre texte. Exemple :
  "Ce texte est [b]important[/b], il faut me [b]comprendre[/b] !"
  ... sans l'option Ungreedy, la Regex aurait voulu mettre en gras tout ce qu'il y a entre le premier [b] et le dernier [/b] (c'est-à-dire "important[/b], il faut me [b]comprendre";).
  En utilisant l'option "U", la Regex s'arrêtera au premier [/b], et c'est ce qu'on veut

1
2
3
4

<?php
$texte = preg_replace('#\[b\](.+)\[/b\]#isU', '<strong>$1</strong>', $texte);
$texte = preg_replace('#\[i\](.+)\[/i\]#isU', '<em>$1</em>', $texte);
?>

1. La première pour récupérer la couleur qui a été choisie (en anglais, comme ça on n'aura pas besoin de le changer pour le code HTML).
2. La seconde pour récupérer le texte entre [color=truc] et [/color] (pareil que pour gras et italique).

1
2
3

<?php
$texte = preg_replace('#\[color=(red|green|blue|yellow|purple|olive)\](.+)\[/color\]#isU', '<span style="color:$1">$2</span>', $texte);
?>

1
2
3

<?php
$texte = preg_replace('#http://[a-z0-9._/-]+#i', '<a href="$0">$0</a>', $texte);
?>

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

<?php
if (isset($_POST['texte']))
{
    $texte = stripslashes($_POST['texte']); // On enlève les slash qui se seraient ajoutés automatiquement
    $texte = htmlspecialchars($texte); // On rend inoffensives les balises HTML que le visiteur a pu rentrer
    $texte = nl2br($texte); // On crée des <br /> pour conserver les retours à la ligne
    
    // On fait passer notre texte à la moulinette des Regex
    $texte = preg_replace('#\[b\](.+)\[/b\]#isU', '<strong>$1</strong>', $texte);
    $texte = preg_replace('#\[i\](.+)\[/i\]#isU', '<em>$1</em>', $texte);
    $texte = preg_replace('#\[color=(red|green|blue|yellow|purple|olive)\](.+)\[/color\]#isU', '<span style="color:$1">$2</span>', $texte);
    $texte = preg_replace('#http://[a-z0-9._/-]+#i', '<a href="$0">$0</a>', $texte);

    // Et on affiche le résultat. Admirez ! :D
    echo $texte . '<br /><hr />';
}
?>

<p>
    Bienvenue dans le parser du Site du Zéro !<br />
    Nous avons écrit ce parser ensemble, j'espère que vous saurez apprécier de voir que tout ce que vous avez appris va vous être très utile !
</p>

<p>Amusez-vous à utiliser du bbCode. Tapez par exemple :</p>

<blockquote style="font-size:0.8em">
<p>
    Je suis un gros [b]Zéro[/b], et pourtant j'ai [i]tout appris[/i] sur http://www.siteduzero.com<br />
    Je vous [b][color=green]recommande[/color][/b] d'aller sur ce site, vous pourrez apprendre à faire ça [i][color=purple]vous aussi[/color][/i] !
</p>
</blockquote>

<form method="post">
<p>
    <label for="texte">Votre message ?</label><br />
    <textarea id="texte" name="texte" cols="50" rows="8"></textarea><br />
    <input type="submit" value="Montre-moi toute la puissance des Regex" />
</p>
</form>

• Je vous l'ai déjà dit plus haut, mais il serait très appréciable que les URL cliquables fonctionnent aussi pour des URL avec des variables comme :
  http://www.siteduzero.com/index.php?page=3&skin=blue
• Vous devriez aussi parser les adresses e-mail, en faisant un lien "mailto:" dessus !
• Il serait bien de compléter le bbCode avec [u], [img] etc...
  Mais puisqu'on y est, pourquoi refaire du bbCode ? Après tout, si vous êtes allergiques aux crochets, que pour vous [b] ne veut rien dire, vous n'avez qu'à inventer le code : {gras} {/gras}
• Et, si faire des Regex vous plaît, je peux vous proposer un dernier défi qui devrait vous occuper un petit moment : écrire une fonction qui colore automatiquement le code HTML !
  Vous donnez à la fonction le code HTML, elle en fait un htmlspecialchars, puis elle rajoute des <span style="color:..."> pour colorer par exemple en bleu les noms des balises, en vert les attributs, en rouge ce qui est entre guillemets, etc.