Lekce 13 - Funkce pro práci s řetězci v PHP

V předešlém cvičení, Řešené úlohy k 12. lekci PHP, jsme si procvičili nabyté zkušenosti z předchozích lekcí.

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 = "Černé díry jsou tam, kde bůh dělil nulou";
$delka = mb_strlen($text);
echo("Délka textu je $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. "Č" je v UTF kódování uloženo jako 2 znaky (2 bajty, jako háček a C). 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 UTF 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('PHP tutoriály na ITnetwork.');
$podretezec = mb_strtoupper('itnetwork');

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

Výstup:

mb_strpos() vrací 0 v případě, že je podřetězec na první pozici a false v případě, že nebyl nalezen. Z tohoto důvodu je nutné výsledek porovnávat i s ohledem na datový typ, jak jsme se to učili u podmínek. Jinak by bylo false a 0 vyhodnoceno stejně a podřetězec by nebyl nalezen v případě, že by jím řetězec začínal.

K funkci mb_strpos() existuje ještě funkce mb_strrpos() (r navíc jako reverse), která funguje úplně stejně, jen vyhledává od konce řetězce. Hodí se např. když zjišťujeme příponu 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");

$text = "Černé díry jsou tam, kde bůh dělil nulou.";
echo mb_substr($text, 6, 4);
{/PHP}

Výstup:

Získali jsme podřetězec od 7. znaku, dlouhý 4 znaky.

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");

$text = "Nějaký text";
echo $text[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 Unicode (UTF-8) a proto ho nepoužívejte. Pokud potřebujete přistoupit k nějakému znaku, jednoduše ho zkopírujte jako podřetězec pomocí výše zmíněné funkce mb_substr().

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 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 používá k nahrazení textových smajlíků v nějakém textu za HTML obrázky. Zkusme si to:

{PHP}

mb_internal_encoding("UTF-8");

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

Výstup:

Rozdělení řetězce na pole podřetězců

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

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}

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.

V následujícím cvičení, Řešené úlohy k 13. lekci PHP, si procvičíme nabyté zkušenosti z předchozích lekcí.