Praca z ciągami znaków

Nette\Utils\Strings to statyczna klasa z przydatnymi funkcjami do pracy z ciągami znaków, głównie w kodowaniu UTF-8.

Instalacja:

composer require nette/utils

Wszystkie przykłady zakładają utworzenie aliasu:

use Nette\Utils\Strings;

Zmiana wielkości liter

Te funkcje wymagają rozszerzenia PHP mbstring.

lower (string $s): string

Konwertuje ciąg UTF-8 na małe litery.

Strings::lower('Dobrý den'); // 'dobrý den'

upper (string $s): string

Konwertuje ciąg UTF-8 na wielkie litery.

Strings::upper('Dobrý den'); // 'DOBRÝ DEN'

firstUpper (string $s): string

Konwertuje pierwszą literę ciągu UTF-8 na wielką, pozostałych nie zmienia.

Strings::firstUpper('dobrý den'); // 'Dobrý den'

firstLower (string $s): string

Konwertuje pierwszą literę ciągu UTF-8 na małą, pozostałych nie zmienia.

Strings::firstLower('Dobrý den'); // 'dobrý den'

capitalize (string $s): string

Konwertuje pierwszą literę każdego słowa w ciągu UTF-8 na wielką, pozostałe na małe.

Strings::capitalize('Dobrý den'); // 'Dobrý Den'

Modyfikacja ciągu znaków

normalize (string $s): string

Usuwa znaki kontrolne, normalizuje końce linii do \n, usuwa początkowe i końcowe puste linie, usuwa spacje po prawej stronie linii, normalizuje UTF-8 do normalnej formy NFC.

unixNewLines (string $s): string

Konwertuje końce linii na \n używane w systemach uniksowych. Końce linii to: \n, \r, \r\n, U+2028 line separator, U+2029 paragraph separator.

$unixLikeLines = Strings::unixNewLines($string);

platformNewLines (string $s)string

Konwertuje końce linii na znaki specyficzne dla bieżącej platformy, tj. \r\n w systemie Windows i \n gdzie indziej. Końce linii to: \n, \r, \r\n, U+2028 line separator, U+2029 paragraph separator.

$platformLines = Strings::platformNewLines($string);

webalize (string $s, ?string $charlist=null, bool $lower=true)string

Modyfikuje ciąg UTF-8 do postaci używanej w adresach URL, tj. usuwa znaki diakrytyczne i wszystkie znaki, oprócz liter alfabetu angielskiego i cyfr, zastępuje myślnikiem.

Strings::webalize('náš produkt'); // 'nas-produkt'

Jeśli inne znaki mają zostać zachowane, można je określić w drugim parametrze funkcji.

Strings::webalize('10. obrázek_id', '._'); // '10.-obrazek_id'

Trzeci parametr pozwala pominąć konwersję na małe litery.

Strings::webalize('Dobrý den', null, false); // 'Dobry-den'

Wymaga rozszerzenia PHP intl.

trim (string $s, ?string $charlist=null)string

Usuwa spacje (lub inne znaki określone przez drugi parametr) z początku i końca ciągu UTF-8.

Strings::trim('  Hello  '); // 'Hello'

truncate (string $s, int $maxLen, string $append=`'…'`)string

Skraca ciąg UTF-8 do podanej maksymalnej długości, starając się zachować całe słowa. Jeśli ciąg zostanie skrócony, na końcu dodaje wielokropek (można to zmienić trzecim parametrem).

$text = 'Řekněte, jak se máte?';
Strings::truncate($text, 5);       // 'Řekn…'
Strings::truncate($text, 20);      // 'Řekněte, jak se…'
Strings::truncate($text, 30);      // 'Řekněte, jak se máte?'
Strings::truncate($text, 20, '~'); // 'Řekněte, jak se~'

indent (string $s, int $level=1, string $indentationChar=`"\t"`)string

Wcina tekst wielowierszowy od lewej. Liczbę wcięć określa drugi parametr, a czym wcięcie ma być wykonane – trzeci parametr (domyślnie jest to tabulator).

Strings::indent('Nette');         // "\tNette"
Strings::indent('Nette', 2, '+'); // '++Nette'

padLeft (string $s, int $length, string $pad=`' '`)string

Uzupełnia ciąg UTF-8 do podanej długości, powtarzając ciąg $pad od lewej strony.

Strings::padLeft('Nette', 6);        // ' Nette'
Strings::padLeft('Nette', 8, '+*');  // '+*+Nette'

padRight (string $s, int $length, string $pad=`' '`)string

Uzupełnia ciąg UTF-8 do podanej długości, powtarzając ciąg $pad od prawej strony.

Strings::padRight('Nette', 6);       // 'Nette '
Strings::padRight('Nette', 8, '+*'); // 'Nette+*+'

substring (string $s, int $start, ?int $length=null)string

Zwraca część ciągu UTF-8 $s określoną przez pozycję początkową $start i długość $length. Jeśli $start jest ujemny, zwracany ciąg będzie zaczynał się od znaku -$start od końca.

Strings::substring('Nette Framework', 0, 5); // 'Nette'
Strings::substring('Nette Framework', 6);    // 'Framework'
Strings::substring('Nette Framework', -4);   // 'work'

reverse (string $s): string

Odwraca ciąg UTF-8.

Strings::reverse('Nette'); // 'etteN'

length (string $s): int

Zwraca liczbę znaków (nie bajtów) w ciągu UTF-8.

Jest to liczba punktów kodowych Unicode, która może różnić się od liczby grafemów.

Strings::length('Nette');   // 5
Strings::length('červená'); // 7

startsWith (string $haystack, string $needle)bool

Sprawdza, czy ciąg $haystack zaczyna się od ciągu $needle.

$haystack = 'Začíná';
$needle = 'Za';
Strings::startsWith($haystack, $needle); // true

Użyj natywnej funkcji str_starts_with().

endsWith (string $haystack, string $needle)bool

Sprawdza, czy ciąg $haystack kończy się ciągiem $needle.

$haystack = 'Končí';
$needle = 'čí';
Strings::endsWith($haystack, $needle); // true

Użyj natywnej funkcji str_ends_with().

contains (string $haystack, string $needle)bool

Sprawdza, czy ciąg $haystack zawiera ciąg $needle.

$haystack = 'Posluchárna';
$needle = 'sluch';
Strings::contains($haystack, $needle); // true

Użyj natywnej funkcji str_contains().

compare (string $left, string $right, ?int $length=null)bool

Porównuje dwa ciągi UTF-8 lub ich części, ignorując wielkość liter. Jeśli $length zawiera null, porównywane są całe ciągi, jeśli jest ujemny, porównywana jest odpowiednia liczba znaków od końca ciągów, w przeciwnym razie porównywana jest odpowiednia liczba znaków od początku.

Strings::compare('Nette', 'nette');     // true
Strings::compare('Nette', 'next', 2);   // true - zgodność pierwszych 2 znaków
Strings::compare('Nette', 'Latte', -2); // true - zgodność ostatnich 2 znaków

findPrefix (…$strings): string

Znajduje wspólny początek ciągów. Lub zwraca pusty ciąg, jeśli wspólny prefiks nie został znaleziony.

Strings::findPrefix('prefix-a', 'prefix-bb', 'prefix-c');   // 'prefix-'
Strings::findPrefix(['prefix-a', 'prefix-bb', 'prefix-c']); // 'prefix-'
Strings::findPrefix('Nette', 'is', 'great');                // ''

before (string $haystack, string $needle, int $nth=1): ?string

Zwraca część ciągu $haystack przed n-tym $nth wystąpieniem ciągu $needle. Lub null, jeśli $needle nie został znaleziony. Przy ujemnej wartości $nth wyszukiwanie odbywa się od końca ciągu.

Strings::before('Nette_is_great', '_', 1);  // 'Nette'
Strings::before('Nette_is_great', '_', -2); // 'Nette'
Strings::before('Nette_is_great', ' ');     // null
Strings::before('Nette_is_great', '_', 3);  // null

after (string $haystack, string $needle, int $nth=1): ?string

Zwraca część ciągu $haystack po n-tym $nth wystąpieniu ciągu $needle. Lub null, jeśli $needle nie został znaleziony. Przy ujemnej wartości $nth wyszukiwanie odbywa się od końca ciągu.

Strings::after('Nette_is_great', '_', 2);  // 'great'
Strings::after('Nette_is_great', '_', -1); // 'great'
Strings::after('Nette_is_great', ' ');     // null
Strings::after('Nette_is_great', '_', 3);  // null

indexOf (string $haystack, string $needle, int $nth=1)?int

Zwraca pozycję w znakach n-tego $nth wystąpienia ciągu $needle w ciągu $haystack. Lub null, jeśli $needle nie został znaleziony. Przy ujemnej wartości $nth wyszukiwanie odbywa się od końca ciągu.

Strings::indexOf('abc abc abc', 'abc', 2);  // 4
Strings::indexOf('abc abc abc', 'abc', -1); // 8
Strings::indexOf('abc abc abc', 'd');       // null

Kodowanie

fixEncoding (string $s): string

Usuwa z ciągu nieprawidłowe znaki UTF-8.

$correctStrings = Strings::fixEncoding($string);

checkEncoding (string $s)bool

Sprawdza, czy ciąg jest prawidłowym ciągiem UTF-8.

$isUtf8 = Strings::checkEncoding($string);

Użyj Nette\Utils\Validator::isUnicode().

toAscii (string $s): string

Konwertuje ciąg UTF-8 na ASCII, tj. usuwa znaki diakrytyczne itp.

Strings::toAscii('žluťoučký kůň'); // 'zlutoucky kun'

Wymaga rozszerzenia PHP intl.

chr (int $code): string

Zwraca określony znak w UTF-8 z punktu kodowego (liczba w zakresie 0×0000..D7FF i 0xE000..10FFFF).

Strings::chr(0xA9); // '©' w kodowaniu UTF-8

ord (string $char): int

Zwraca punkt kodowy określonego znaku w UTF-8 (liczba w zakresie 0×0000..D7FF lub 0xE000..10FFFF).

Strings::ord('©'); // 0xA9

Wyrażenia regularne

Klasa Strings oferuje funkcje do pracy z wyrażeniami regularnymi. W przeciwieństwie do natywnych funkcji PHP, dysponują one bardziej zrozumiałym API, lepszym wsparciem dla Unicode i przede wszystkim wykrywaniem błędów. Jakikolwiek błąd podczas kompilacji lub przetwarzania wyrażenia zgłosi wyjątek Nette\RegexpException.

split (string $subject, string $pattern, bool $captureOffset=false, bool $skipEmpty=false, int $limit=-1, bool $utf8=false)array

Dzieli ciąg na tablicę według wyrażenia regularnego. Wyrażenia w nawiasach również zostaną przechwycone i zwrócone.

Strings::split('hello, world', '~,\s*~');
// ['hello', 'world']

Strings::split('hello, world', '~(,)\s*~');
// ['hello', ',', 'world']``

Jeśli $skipEmpty jest true, zwrócone zostaną tylko niepuste elementy:

Strings::split('hello, world, ', '~,\s*~');
// ['hello', 'world', '']

Strings::split('hello, world, ', '~,\s*~', skipEmpty: true);
// ['hello', 'world']

Jeśli podano $limit, zwrócone zostaną tylko podciągi do limitu, a reszta ciągu zostanie umieszczona w ostatnim elemencie. Limit –1 lub 0 oznacza brak ograniczeń.

Strings::split('hello, world, third', '~,\s*~', limit: 2);
// ['hello', 'world, third']

Jeśli $utf8 jest true, przetwarzanie przełącza się w tryb Unicode. Podobnie jak w przypadku użycia modyfikatora u.

Jeśli $captureOffset jest true, dla każdego dopasowania zwrócona zostanie również jego pozycja w ciągu (w bajtach; jeśli ustawiono $utf8, to w znakach). Zmienia to wartość zwracaną na tablicę, w której każdy element jest parą składającą się z dopasowanego ciągu i jego pozycji.

Strings::split('žlutý, kůň', '~,\s*~', captureOffset: true);
// [['žlutý', 0], ['kůň', 9]]

Strings::split('žlutý, kůň', '~,\s*~', captureOffset: true, utf8: true);
// [['žlutý', 0], ['kůň', 7]]

match (string $subject, string $pattern, bool $captureOffset=false, int $offset=0, bool $unmatchedAsNull=false, bool $utf8=false)?array

Wyszukuje w ciągu część pasującą do wyrażenia regularnego i zwraca tablicę ze znalezionym wyrażeniem i poszczególnymi podwyrażeniami lub null.

Strings::match('hello!', '~\w+(!+)~');
// ['hello!', '!']

Strings::match('hello!', '~X~');
// null

Jeśli $unmatchedAsNull jest true, niedopasowane podwzorce są zwracane jako null; w przeciwnym razie są zwracane jako pusty ciąg lub nie są zwracane:

Strings::match('hello', '~\w+(!+)?~');
// ['hello']

Strings::match('hello', '~\w+(!+)?~', unmatchedAsNull: true);
// ['hello', null]

Jeśli $utf8 jest true, przetwarzanie przełącza się w tryb Unicode. Podobnie jak w przypadku użycia modyfikatora u:

Strings::match('žlutý kůň', '~\w+~');
// ['lut']

Strings::match('žlutý kůň', '~\w+~', utf8: true);
// ['žlutý']

Parametr $offset można użyć do określenia pozycji, od której należy rozpocząć wyszukiwanie (w bajtach; jeśli ustawiono $utf8, to w znakach).

Jeśli $captureOffset jest true, dla każdego dopasowania zwrócona zostanie również jego pozycja w ciągu (w bajtach; jeśli ustawiono $utf8, to w znakach). Zmienia to wartość zwracaną na tablicę, w której każdy element jest parą składającą się z dopasowanego ciągu i jego offsetu:

Strings::match('žlutý!', '~\w+(!+)?~', captureOffset: true);
// [['lut', 2]]

Strings::match('žlutý!', '~\w+(!+)?~', captureOffset: true, utf8: true);
// [['žlutý!', 0], ['!', 5]]

matchAll (string $subject, string $pattern, bool $captureOffset=false, int $offset=0, bool $unmatchedAsNull=false, bool $patternOrder=false, bool $utf8=false, bool $lazy=false): array|Generator

Wyszukuje w ciągu wszystkie wystąpienia pasujące do wyrażenia regularnego i zwraca tablicę tablic ze znalezionym wyrażeniem i poszczególnymi podwyrażeniami.

Strings::matchAll('hello, world!!', '~\w+(!+)?~');
/* [
	0 => ['hello'],
	1 => ['world!!', '!!'],
] */

Jeśli $patternOrder jest true, struktura wyników zmieni się tak, że pierwszy element będzie zawierał tablicę pełnych dopasowań wzorca, drugi element będzie zawierał tablicę ciągów pasujących do pierwszego podwzorca w nawiasach itd.:

Strings::matchAll('hello, world!!', '~\w+(!+)?~', patternOrder: true);
/* [
	0 => ['hello', 'world!!'],
	1 => ['', '!!'],
] */

Jeśli $unmatchedAsNull jest true, niedopasowane podwzorce są zwracane jako null; w przeciwnym razie są zwracane jako pusty ciąg lub nie są zwracane:

Strings::matchAll('hello, world!!', '~\w+(!+)?~', unmatchedAsNull: true);
/* [
	0 => ['hello', null],
	1 => ['world!!', '!!'],
] */

Jeśli $utf8 jest true, przetwarzanie przełącza się w tryb Unicode. Podobnie jak w przypadku użycia modyfikatora u:

Strings::matchAll('žlutý kůň', '~\w+~');
/* [
	0 => ['lut'],
	1 => ['k'],
] */

Strings::matchAll('žlutý kůň', '~\w+~', utf8: true);
/* [
	0 => ['žlutý'],
	1 => ['kůň'],
] */

Parametr $offset można użyć do określenia pozycji, od której należy rozpocząć wyszukiwanie (w bajtach; jeśli ustawiono $utf8, to w znakach).

Jeśli $captureOffset jest true, dla każdego dopasowania zwrócona zostanie również jego pozycja w ciągu (w bajtach; jeśli ustawiono $utf8, to w znakach). Zmienia to wartość zwracaną na tablicę, w której każdy element jest parą składającą się z dopasowanego ciągu i jego pozycji:

Strings::matchAll('žlutý kůň', '~\w+~', captureOffset: true);
/* [
	0 => [['lut', 2]],
	1 => [['k', 8]],
] */

Strings::matchAll('žlutý kůň', '~\w+~', captureOffset: true, utf8: true);
/* [
	0 => [['žlutý', 0]],
	1 => [['kůň', 6]],
] */

Jeśli $lazy jest true, funkcja zwraca Generator zamiast tablicy, co przynosi znaczące korzyści wydajnościowe podczas pracy z dużymi ciągami. Generator pozwala na wyszukiwanie dopasowań stopniowo, zamiast przeszukiwania całego ciągu naraz. Umożliwia to efektywną pracę nawet z bardzo dużymi tekstami wejściowymi. Ponadto można w dowolnym momencie przerwać przetwarzanie, jeśli znajdzie się szukane dopasowanie, co oszczędza czas obliczeniowy.

$matches = Strings::matchAll($largeText, '~\w+~', lazy: true);
foreach ($matches as $match) {
    echo "Znaleziono: $match[0]\n";
    // Przetwarzanie może być w każdej chwili przerwane
}

replace (string $subject, string|array $pattern, string|callable $replacement='', int $limit=-1, bool $captureOffset=false, bool $unmatchedAsNull=false, bool $utf8=false)string

Zastępuje wszystkie wystąpienia pasujące do wyrażenia regularnego. $replacement jest albo maską ciągu zastępczego, albo funkcją zwrotną (callback).

Strings::replace('hello, world!', '~\w+~', '--');
// '--, --!'

Strings::replace('hello, world!', '~\w+~', fn($m) => strrev($m[0]));
// 'olleh, dlrow!'

Funkcja umożliwia również wykonanie wielu zamian, przekazując w drugim parametrze tablicę w formacie pattern => replacement:

Strings::replace('hello, world!', [
	'~\w+~' => '--',
	'~,\s+~' => ' ',
]);
// '-- --!'

Parametr $limit ogranicza liczbę wykonanych zamian. Limit –1 oznacza brak ograniczeń.

Jeśli $utf8 jest true, przetwarzanie przełącza się w tryb Unicode. Podobnie jak w przypadku użycia modyfikatora u.

Strings::replace('žlutý kůň', '~\w+~', '--');
// 'ž--ý --ůň'

Strings::replace('žlutý kůň', '~\w+~', '--', utf8: true);
// '-- --'

Jeśli $captureOffset jest true, dla każdego dopasowania do funkcji zwrotnej przekazana zostanie również jego pozycja w ciągu (w bajtach; jeśli ustawiono $utf8, to w znakach). Zmienia to postać przekazywanej tablicy, w której każdy element jest parą składającą się z dopasowanego ciągu i jego pozycji.

Strings::replace(
	'žlutý kůň',
	'~\w+~',
	function (array $m) { dump($m); return ''; },
	captureOffset: true,
);
// dumps [['lut', 2]] a [['k', 8]]

Strings::replace(
	'žlutý kůň',
	'~\w+~',
	function (array $m) { dump($m); return ''; },
	captureOffset: true,
	utf8: true,
);
// dumps [['žlutý', 0]] a [['kůň', 6]]

Jeśli $unmatchedAsNull jest true, niedopasowane podwzorce są przekazywane do funkcji zwrotnej jako null; w przeciwnym razie są przekazywane jako pusty ciąg lub nie są przekazywane:

Strings::replace(
	'ac',
	'~(a)(b)*(c)~',
	function (array $m) { dump($m); return ''; },
);
// dumps ['ac', 'a', '', 'c']

Strings::replace(
	'ac',
	'~(a)(b)*(c)~',
	function (array $m) { dump($m); return ''; },
	unmatchedAsNull: true,
);
// dumps ['ac', 'a', null, 'c']
wersja: 4.0