Lekce 15 - Funkce pro práci s řetězci v PHP

V minulé lekci, Nejčastější chyby PHP nováčků - Umíš pojmenovat proměnné?, jsme si ukázali nejčastější chyby začátečníků v PHP ohledně pojmenování proměnných.

V dnešním PHP tutoriálu si ukážeme PHP funkce pro textové řetězce

Textové řetězce a UTF-8

Část PHP funkcí pro práci s řetězci začíná prefixem mb_. Je to z toho důvodu, že tyto funkce podporují UTF-8 kódování (MB jako MultiByte). V kódování UTF-8 se píše naprostá většina webů, protože umí většinu znaků většiny národních abeced. Není tedy problém na webu použít češtinu, dále citovat něco rusky nebo používat speciální znaky jako ☺ nebo ♥. Většina IDE (např. NetBeans) tvoří projekty vždy jako UTF-8. Pokud UTF-8 nepoužíváte, setkáte se časem s velkými problémy, např. tehdy, když budete chtít použít nějakou cizí knihovnu. Její autor totiž určitě počítá s tím, že UTFko používáte.

Jakmile v aplikaci používáme tyto funkce, musíme často nejprve nastavit kódování, jinak nebudou korektně fungovat ve starších verzích PHP. Kódování stačí nastavit jen jednou v každém požadavku. Pokud se celý váš web zobrazuje přes index.php, jak jsme si zde ukazovali, stačí nastavení vložit pouze na začátek indexu.

mb_internal_encoding("UTF-8");

Délka řetězce

Délku řetězce ve znacích získáme pomocí funkce mb_strlen(). Udělejme si malou ukázku, samozřejmě si nad ní vložte ještě řádek výše, který nastaví kódování.

{PHP}

mb_internal_encoding("UTF-8");

$text = "Salvador Dalí";
$delka = mb_strlen($text);
echo("Text má $delka znaků.");
{/PHP}

Výstup:

V zastaralých učebnicích a tutoriálech naleznete použití funkcí bez prefixu mb_. Tedy místo mb_strlen() jen strlen(). Tyto funkce nikdy nepoužívejte, jelikož neumí UTF-8 a budou vám vracet špatný výstup. Např. znak Č je v UTF kódování uloženo jako 2 bajty (protože všechny znaky se do jednoho bajtu prostě nevejdou). Funkce s prefixem mb_ bere Č jako jeden znak, funkce bez tohoto prefixu ho bere jako 2 znaky. Vrací tedy špatně délku řetězců s diakritikou a nedokáže rozeznat o která písmena se jedná. PHP obsahuje z důvodu zpětné kompatibility mnoho funkcí, které vícebajtová kódování nepodporují, měli byste se vždy podívat, zda je funkce tzv. multibyte-safe a případně najít její multibyte variantu.

Práce s podřetězci

Určitému úseku řetězce říkáme podřetězec. Ukažme si nějaké příklady s podřetězci, jelikož s těmi budeme často pracovat.

Zjištění pozice podřetězce

Pokud chceme zjistit, na jaké pozici se v řetězci nachází konkrétní podřetězec nebo zda ho text vůbec obsahuje, použijeme funkci mb_strpos(). Abychom si to udělali zajímavější, budeme chtít, aby nám nezáleželo na velikosti písmen. Z toho důvodu nejprve celý řetězec převedeme na velká písmena pomocí funkce mb_strtoupper() a poté v něm budeme hledat podřetězec, též velkými písmeny.

{PHP}

mb_internal_encoding("UTF-8");

$retezec = mb_strtoupper('Wolfgang Amadeus Mozart');
$podretezec = mb_strtoupper('amadeus');

if (mb_strpos($retezec, $podretezec) !== false)
    echo("Nalezeno");
else
    echo("Nenalezeno");
{/PHP}

Výstup:

Funkce mb_strpos() vrací hodnotu 0, když že je podřetězec na první pozici. Pokud nebyl podřetězec nalezen, vrací hodnotu false. Z tohoto důvodu je nutné výsledek porovnávat i s ohledem na datový typ, jak jsme se to učili u podmínek. Jinak by byla hodnota false a 0 vyhodnocena stejně a program by hlásil, že podřetězec nebyl nalezen i v případě, že by jím řetězec začínal.

K funkci mb_strpos() existuje ještě funkce mb_strrpos() (r navíc jako reverse, opačně), která funguje úplně stejně, jen vyhledává od konce řetězce. Hodí se například při zjišťování přípony souboru.

V problematice vyhledávání podřetězců se řetězci často říká kupka sena (haystack) a podřetězci jehla (needle).

Získání podřetězce podle pozice

Podřetězec získáme pomocí funkce mb_substr(), která bere v parametrech řetězec, index, od kterého podřetězec začíná a délku podřetězce. Zkusme si to:

{PHP}

mb_internal_encoding("UTF-8");

$text = "Wolfgang Amadeus Mozart";
echo(mb_substr($text, 9, 7));
{/PHP}

Výstup:

Získali jsme podřetězec od 9. znaku, dlouhý 7 znaků.

Přístup k určitému znaku

S textovými řetězci lze v novějších verzích PHP pracovat jako s polem a to tímto způsobem:

{PHP}

mb_internal_encoding("UTF-8");

$hora = "Mount Everest";
echo($hora[0]);
{/PHP}

Podobného výsledku šlo docílit v minulosti i pomocí složených závorek, ale tato syntaxe byla z PHP odstraněna. Kód výše vypíše 1. znak. Bohužel tento způsob ještě nepodporuje vícebajtová kódování jako UTF-8, a proto ho nepoužívejte. Pokud potřebujete přistoupit k nějakému znaku, jednoduše jej získejte jako podřetězec pomocí výše zmíněné funkce mb_substr($vstup, $pozice, 1).

Nahrazení podřetězce

V textu můžeme velmi jednoduše nahradit nějaký podřetězec jiným. Docílíme toho použitím funkce str_replace() a můžeme tak jednoduše zabezpečit např. emailovou adresu před spamboty tak, že znak zavináče nahradíme textem "(zavináč)". Roboti pak obvykle nepoznají, že se jedná o email a nebudou vám nabízet výhodné půjčky

{PHP}

mb_internal_encoding("UTF-8");

$adresa = '[email protected]';
$osetrenaAdresa = str_replace('@', '(zavináč)', $adresa);
echo($osetrenaAdresa);
{/PHP}

Výstup:

Pokud by v textu bylo více takových podřetězců, funkce nahradí všechny.

Nahrazení podle slovníku

Pokud potřebujeme provést více nahrazení, PHP nabízí funkci strtr() (jako STRing TRanslate, ano, pojmenování mnoha funkcí je v PHP velmi zavádějící). Funkce bere v parametrech řetězec a slovník, kde jsou jako klíče podřetězce, které chceme nahradit a jako hodnoty řetězce, kterými je chceme nahradit.

Funkce se často používala k nahrazení textových smajlíků v nějakém textu za HTML obrázky. Zkusme si to:

{PHP}

mb_internal_encoding("UTF-8");

$slovnik = array(
    ':)' => '<img src="images/img/smileys/happy.png" alt="úsměv" />',
    ':D' => '<img src="images/img/smileys/laughing.png" alt="smích" />',
);
echo(strtr('Ahoj :) Je mi fajn, protože jsem objevil ITnetwork :D', $slovnik));
{/PHP}

Výstup:

V dnešní době je však celá řada smajlíků a dalších emoji dostupná jako znaky Unicode, takže tento způsob zobrazování smajlíků je čím dál méně populární.

Rozdělení řetězce na pole podřetězců

Velmi užitečnou dvojicí funkcí jsou expresivně pojmenované explode() a implode(). Funkce explode() rozdělí řetězec na pole podřetězců pomocí určitého oddělovače. Funkce implode() naopak spojí podřetězce v poli do jednoho dlouhého řetězce a mezi podřetězce vloží oddělovač. Oddělovači se někdy expresivně říká lepidlo (glue).

Níže uvedený jednoduchý program bere na vstupu řetězec s několika čísly, které jsou oddělené čárkou. Z těchto čísel následně vypočítá součet:

{PHP}

mb_internal_encoding("UTF-8");

$vstup = "1,5,87,65,42,4,456,8,5,98,54,89";
$cisla = explode(',', $vstup);
echo(array_sum($cisla));
{/PHP}

Funkce explode() rozdělí řetězec podle čárky a vrátí pole jeho částí. Pomocí funkce array_sum() následně získáme součet prvků v poli. Pokud přicházíte z nějakého nízkého jazyka, asi se divíte, jak je v PHP vše jednoduché. Je to z toho důvodu, že PHP je tzv. vysoký jazyk. Právě díky tomu můžeme svou energii zaměřit na vývoj aplikace a ne na řešení základních problémů.

PHP funkce pro práci s řetězci

Na závěr si uveďme seznam těch nejdůležitějších funkcí, které nám PHP pro práci s řetězci nabízí. Každou si můžete rozkliknout a podívat se, jak se používá. Opět je nemusíte umět nazpaměť, stačí vědět, že tam jsou a že si je v případě potřeby můžete vyhledat.

mb_internal_en­coding	Nastavení kódování.
mb_strlen	Získá délku řetězce.
mb_strpos	Najde pozici prvního výskytu podřetězce v řetězci.
mb_substr	Vrátí podřetězec od startovní pozice s určitým počtem znaků.
mb_strtoupper	Převede všechna písmena v rětězci na velká.
mb_strtolower	Převede všechna písmena v rětězci na malá.
trim	Odstraní bílé místo na okolo řetězce.
htmlspecialchars	Převede speciální znaky v textu na HTML entity.
htmlspecialchar­s_decode	Převede entity v textu zpět na speciální znaky.
strip_tags	Odstraní z daného řětězce HTML tagy.
nl2br	Nahradí konce řádků (\n) tagem <br />
str_replace	Nahradí všechny výskyty podřetězce v řetězci daným podřetězcem.
strtr	Přeloží podřetězce podle slovníku.
parse_str	Rozbalí proměnné z textového řetězce ve tvaru QUERY stringu.
explode	Převede řetězec na pole podřetězců.
implode	Zabalí pole do textového řetězce.
hash	Vypočítá otisk (hash) řetězce, což budeme potřebovat pro ukládání hesel.

Shrnutí lekce

Pro práci s textovými řetězci v PHP je důležité používat funkce podporující UTF-8, hlavně ty s prefixem mb_, a nastavit kódování pomocí mb_internal_encoding("UTF-8"). Délku textu zjistíme funkcí mb_strlen(), část textu získáme pomocí mb_substr() a pozici podřetězce najdeme funkcí mb_strpos(). Při hledání je potřeba rozlišovat hodnotu false od pozice 0, proto se používá přísné porovnání !==. Text můžeme upravovat nahrazováním podřetězců pomocí str_replace() nebo více náhrad najednou pomocí strtr(). Řetězec lze rozdělit na pole funkcí explode() a pole zase spojit zpět do textu funkcí implode().

V následujícím cvičení, Řešené úlohy k 15. lekci PHP, si procvičíme nabyté zkušenosti z předchozích lekcí.