Hai bisogno di semplici espressioni regolari qui
Domanda
Finalmente sto analizzando il testo wiki di wikipedias. Ho il seguente tipo di testo qui:
{{Airport-list|the Solomon Islands}}
* '''AGAF''' (AFT) – [[Afutara Airport]] – [[Afutara]]
* '''AGAR''' (RNA) – [[Ulawa Airport]] – [[Arona]], [[Ulawa Island]]
* '''AGAT''' (ATD) – [[Uru Harbour]] – [[Atoifi]], [[Malaita]]
* '''AGBA''' – [[Barakoma Airport]] – [[Barakoma]]
Devo recuperare tutte le righe in un singolo array che iniziano con il modello
* '''
Penso che un'espressione regolare sarebbe chiamata per ordinare qui, ma sono davvero incasinata nella mia parte delle espressioni regolari.
In più in un altro esempio ho il seguente testo:
{{otheruses}}
{{Infobox Settlement
|official_name = Doha
|native_name = {{rtl-lang|ar|الدوحة}} ''ad-Dawḥa''
|image_skyline = Doha Sheraton.jpg
|imagesize =
|image_caption = West Bay at night
|image_map = QA-01.svg
|mapsize = 100px
|map_caption = Location of the municipality of Doha within [[Qatar]].
|pushpin_map =
|pushpin_label_position =
|pushpin_mapsize =
|subdivision_type = [[Countries of the world|Country]]
|subdivision_name = [[Qatar]]
|subdivision_type1 = [[Municipalities of Qatar|Municipality]]
|subdivision_name1 = [[Ad Dawhah]]
|established_title = Established
|established_date = 1850
|area_total_km2 = 132
|area_total_sq_mi = 51
|area_land_km2 =
|area_land_sq_mi =
|area_water_km2 =
|area_water_sq_mi =
|area_water_percent =
|area_urban_km2 =
|area_urban_sq_mi =
|area_metro_km2 =
|area_metro_sq_mi =
|population_as_of = 2004
|population_note =
|population_footnotes = <ref name=poptotal>[http://www.planning.gov.qa/Qatar-Census-2004/Flash/introduction.html Qatar 2004 Census]</ref>
|population_total = 339847
|population_metro = 998651
|population_density_km2 = 2574
|population_density_sq_mi = 6690
|latd=25 |latm=17 | lats=12 |latNS=N
|longd=51|longm=32 | longs=0| longEW=E
|coordinates_display = inline,title
|coordinates_type = type:city_region:QA
|timezone = [[Arab Standard Time|AST]]
|utc_offset = +3
|website =
|footnotes =
}} <!-- Infobox ends -->
'''Doha''' ({{lang-ar|الدوحة}}, ''{{transl|ar|ad-Dawḥa}}'' or ''{{unicode|ad-Dōḥa}}'') is the [[capital city]] of [[Qatar]]. It has a population of 400,051 according to the 2005 census,<ref name="autogenerated1">[http://www.hotelrentalgroup.com/Qatar/Sheraton%20Doha%20Hotel%20&%20Resort.htm Sheraton Doha Hotel & Resort | Hotel discount bookings in Qatar<!-- Bot generated title -->]</ref> and is located in the [[Ad Dawhah]] municipality on the [[Persian Gulf]]. Doha is Qatar's largest city, with over 80% of the nation's population residing in Doha or its surrounding [[suburbs]], and is also the economic center of the country.
It is also the seat of government of Qatar, which is ruled by [[Sheikh Hamad bin Khalifa Al Thani]]–the current ruling Emir of Qatar.
Devo estrarre la casella informativa qui. La casella informativa è e include tutto il testo tra la prima occorrenza di
{{Infobox Settlement
e termina con la prima occorrenza di
}} <!-- Infobox ends -->
Sono totalmente perso quando si tratta di espressioni regolari e potrei usare l'aiuto qui. Sto usando Php.
EDIT! AIUTO!
Ho combattuto per 40 ore e non riesco a far funzionare correttamente la stupida espressione regolare :( finora ho solo questo:
{{Infobox [^ \ b (\ r | \ n)}} (\ r | \ n) \ b] * [\ b (\ r | \ n)}} (\ r | \ n) ( \ r | \ n) \ b]
Ma non funziona, voglio che legga tutti i dati di stringa tra {{infobox e termina con un \ n}} \ n
Sto usando Php e non riesco a farlo funzionare :( Restituisce solo la prima occorrenza di}} ignorando il fatto che voglio recuperarlo}} con il precedente avanzamento di riga. Aiutatemi prima di sprecare più del mio sanità mentale su questo: '(
Soluzione
Devo estrarre il riquadro informazioni ...
Prova questo, questa volta assicurandoti che la modalità dotall sia abilitata :
\{\{Infobox.*?(?=\}\} <!-- Infobox ends -->)
E ancora, spiegazione per questo:
(?xs) # x=comment mode, s=dotall mode
\{\{ # two opening braces (special char, so needs escaping here.)
Infobox # literal text
.*? # any char (including newlines), non-greedily match zero or more times.
(?= # begin positive lookahead
\}\} # two closing braces
<!-- Infobox ends --> # literal text
) # end positive lookahead
Questo corrisponderà fino (ma escludendo) all'espressione finale - potresti rimuovere lo stesso lookahead e includere solo il contenuto per includerlo, se necessario.
Aggiorna, in base al commento per rispondere:
\{\{Infobox.*?(?=\n\}\}\n)
Come sopra, ma lookahead cerca due parentesi graffe sulla propria linea.
Per consentire facoltativamente anche il commento, utilizzare:
\{\{Infobox.*?(?=\n\}\}(?: <!-- Infobox ends-->)?\n)
Altri suggerimenti
MediaWiki è open-source. Dai un'occhiata al loro codice sorgente ...; -)
Penso che il modo migliore sia quello di unire tutte le linee in una stringa, specialmente per la casella info.
Quindi qualcosa lungo le linee di
$ reg = " \ n (\ * '' '[^ \ n] *) " ;;
per la prima parte (tutto dopo una nuova riga che inizia con * '' 'e non è una nuova riga).
E per la seconda parte non sono proprio sicuro in questo momento, ma questo è un bel posto in cui giocare un po ': http://www.solmetra.com/scripts/regex/index.php
Ed ecco un breve riferimento per la sintassi delle espressioni regolari: http://www.regular-expressions.info/reference.html
Devo recuperare tutte le righe in un singolo array che iniziano con il modello
* '' '
Abilita la modalità multilinea e assicurati che la modalità dotall sia disabilitata , e usa questa:
^\* '''.*$
Tale espressione sezionata è:
(?xm-s) # Flags:
# x enables comment mode (spaces ignore, hashes start comments)
# m enables multiline mode (^$ match lines)
# -s disables dotall (. matches newline)
^ # start of line
\* # literal asterisk
[ ] # literal space (needs braces in comment mode, but not otherwise)
''' # three literal apostrophes
.* # any character (excluding newline), greedily matched zero or many times.
$ # end of line