PHP
連続した改行を一つにまとめる正規表現のサンプルコード
------------------------------------------
preg_replace('/(\n)+/us','$1',$contents);
------------------------------------------
もっと確実なの
------------------------------------------
preg_replace('/(\n|\r|\r\n)+/us',"\n",$contents);
------------------------------------------
"\n" の部分を ''（シングルクォーテーション）で囲むと \n の部分がそのまま表示され改行にならないので注意。
htmlタグ間の文字列を取得するには正規表現を利用する
例：divタグ間の文字列を取得するサンプルコード
--------------------------------------------
preg_replace('/^.+<div>(.+?)<\/div>.+$/u','$1',$string)
--------------------------------------------
しかしこのやり方が通用するのは、限られた条件のときでしかない。
同じ要素のタグが入れ子になっている場合、不可能である。
divタグが入れ子になったHTML。これだとダメ
--------------------------------------------
<body>
<div>
テスト文章１
<div>
テスト文章２
<div>テスト文章３</div>
</div>
</div>
</body>
--------------------------------------------
何とか正規表現でできないものかと悩んだが難しそうなので、別の方法を用いた。
対になるタグというのは言い換えれば、二番目以降の開始タグと、そのひとつ前の閉じタグの位置を比較したとき、閉じタグが手前で、開始タグが奥にある状態の閉じタグである。
対のタグを見つけるサンプルコード
--------------------------------------------
//二番目の開始タグと最初の閉じタグの位置を確認する
$start_pos = mb_stripos($content_html,"<div",6); //二番目の開始タグを見つけたいので適当に6文字目から検索
$end_pos = mb_stripos($content_html,"</div>");
echo "<br>開始位置： " . $start_pos;
echo "<br>終了位置： " . $end_pos;
$i = 1;
//閉じタグが開始タグの前に来るまで繰り返し
while ($start_pos < $end_pos) {
$start_pos++; //次のタグを探すために１増加
$end_pos++;
//前回の位置以降のタグを探す
$start_pos = mb_stripos($content_html,"<div",$start_pos);
$end_pos = mb_stripos($content_html,"</div>",$end_pos);
//念のため10回繰り返してだめなら抜ける
if ($i > 10) {
echo "10回超えたので終える";
break;
}
$i++;
} //while
//対になるタグまでの文字列を抜き出す
$content_html = mb_substr($content_html,0,$end_pos);
--------------------------------------------
カテゴリー：PHP
シンプルにタグの間の文字を抜き出すサンプルコード
abcタグの間の文字を出力
----------------------------------------
<?php
//「$string = <<<XML」の下に改行は入れないこと！エラーになる
//行の先頭に半角スペースなどが入ることもないように（これコピペするとたぶん入る）
$string = <<<XML
<?xml version="1.0" ?>
<root>
<test>TEST1</test>
<test>TEST2</test>
<abc>xyz</abc>
</root>
XML;
$xml = simplexml_load_string($string);
//「->」(アロー演算子)で階層を下っていく
$content = $xml->abc;
print $content;
?>
----------------------------------------
testタグの間の文字を出力する
----------------------------------------
$content = $xml->test;
print $content;
----------------------------------------
但しこれだと最初のひとつしか出力されないので、すべて表示するには展開する。
----------------------------------------
foreach ($xml->test as $value) {
echo $value . "<br>";
}
----------------------------------------
カテゴリー：PHP
mysql等データベースに入った数値文字参照の文字列をUTF-8に変換する場合、mysql単体では無理なのでPHPを併用する。
数値文字参照を普通の文字に変換するPHP
------------------------------------------------------
$moji = mb_convert_encoding($moji, 'UTF-8', 'HTML-ENTITIES');
------------------------------------------------------
データベースから文字を取り出して、PHPで変換してUPDATEすればいい。
しかし文字列全てに対してmb_convert_encodingを行うと、希望しない文字まで変換してうまくいかないケースが出た。そこで数値文字参照の値にのみ変換をかけることにした。
文字列中の数値文字参照の値にのみ変換をかけるPHPサンプルコード
-------------------------------------------------------
//数値文字参照「&#～;」のみを拾う
preg_match_all ('/&#(.+?);/us',$string,$match);
foreach ($match[0] AS $moji1) {
echo "変換する文字：" . $moji1;
//数値文字参照をUTF-8に変換
$moji2 = mb_convert_encoding($moji1, 'UTF-8', 'HTML-ENTITIES');
//数値文字参照とUTF-8を置き換える
$string = str_ireplace($moji1,$moji2,$string);
}
-------------------------------------------------------
URL変更など、mod_rewrite でURLを渡す時、「%2F」や「%5C」が含まれると404エラーが返ってくる。Apacheのデフォルト設定である。
「%2F」は「/(スラッシュ)を、%5Cは「\(バックスラッシュ)」をエンコードしたもの。
これらの文字を含んだURLで404エラーなる場合は、AllowEncodedSlashesを設定することでURLの使用可否を変更する。
httpd.confに追加する（.htaccessでは不可）
---------------------------
AllowEncodedSlashes on
---------------------------
エンコードされた「/」や「\」を含むURLの使用が許可される。
レンタルサーバーなどでhttpd.confをいじれない場合は、「/」や「\」を二重にエンコードすることでとりあえず回避できる。
「/」を二重にエンコードする例
---------------------------
$url = urlencode($url); //一回目のエンコード
$url = str_ireplace("%2f","%252f",$url); //二回目。スラッシュだけエンコード値に置換。
---------------------------
カテゴリー：PHP
PHPでURLがリンク切れか調べるには、get_headers関数でHTTPヘッダを取得する。（PHP5で追加された）
リンク切れ（404エラー）を調べるサンプルコード
----------------------------------------------
$head = get_headers($url); // HTTP リクエストに対するヘッダを取得する
$kekka = $head[0]; //添字0がステータスコード
echo $kekka;
//404エラーの場合「HTTP/1.1 404 Not Found」と表示される
----------------------------------------------
404エラー時にファイル書き込む場合
----------------------------------------------
if(stristr($info[0],"404")) {
//ファイルに書き込む
$fp = fopen("404list.txt", "a"); //aは追記
fwrite($fp, "404エラーです");
fclose($fp);
}
----------------------------------------------
但し、URLに半角スペースが使われていると、リンクがあっても404エラーが返ってくる。これを回避するためには、rawurlencodeで半角スペースを「%20」に置き換える必要がある。
urlencodeを使うと半角スペースは「+」に置き換わるが、これだと404エラーは回避できなかった。
カテゴリー：PHP
「abc」という文字列で始まらない
---------------------
^(?!abc).+$
---------------------
「abc」という文字列を含まない
---------------------
^(?!.*abc).+$
---------------------
Aの直後から「abc」という文字列を含まない繰り返し
---------------------
A((?!abc).)*?
---------------------
直後に「ABC」も「XYZ」もこないY
---------------------
Y(?!(ABC|XYZ))
---------------------
↓↓もう少し詳しく理解する。↓↓
「(?!」と「)」で文字列を囲む正規表現を否定的先読みという。
これを利用すると、囲まれた文字（パターン）がある文字の直後に存在しない位置にマッチする。普通、正規表現はマッチする文字列を見つけるが、(?!――)はその位置を見つけるだけである。「^」が行頭、「$」が行末の場所を示すのと同じように(?!――)も場所を示すだけ。
次のパターンと比較すると理解しやすい。
行頭から続く文字を繰り返している
-----------------
^.*
-----------------
（Aの直後から）abcという文字列を含まない位置にある文字を繰り返している
-----------------
A((?!abc).)*
-----------------
くどいようだが赤字はあくまでも位置を示す。
単純に名詞が連続したら一つにまとめて取り出しています
サンプルコード
-----------------------------------------------------------------------------
parseToNode($txt); $node; $node=$node->getNext()){
if($node->getStat() != 2 && $node->getStat() != 3 && mb_strpos($node->getFeature(), '名詞', NULL, 'utf-8')===0){
$word .= $node->getSurface();
} else if ($word != '') {
array_push($meisi, $word); //渡された変数をarrayの最後に加える
$word = '';
}
}
//最後が名詞で終わった場合用の追加処理。
if ($word != '') array_push($meisi, $word);
//名詞の重複削除
$meisi = array_unique($meisi);
print("
");
print_r($meisi);
print("
");
?>
-----------------------------------------------------------------------------
カテゴリー：PHP
php_mecabの簡単なサンプルコード集です。
単語ごとに区切るサンプルコード
-------------------------------------------------------------------------
<?php
$str = "MeCabを使って文章を単語ごとに区切ります。";
$result = mecab_split($str); //区切って配列に入れる。単語で分割。
foreach ($result AS $value) {
echo $value ."<br>";
}
?>
-------------------------------------------------------------------------
結果
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
MeCab
を
使っ
て
文章
を
単語
ごと
に
区切り
ます
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
形態素解析を行って結果を表示するサンプルコード
-----------------------------------------------------------------------
<?php
$t = new MeCab_Tagger();
$str = 'PHPのMeCabエクステンションで形態素解析を行ってみました。';
$kekka = $t->parse($str); //解析して結果を返す。
print("<pre>");
echo $kekka;
print("</pre>");
}
?>
-----------------------------------------------------------------------
結果
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
PHP 名詞,固有名詞,組織,*,*,*,*
の 助詞,連体化,*,*,*,*,の,ノ,ノ
MeCab 名詞,一般,*,*,*,*,*
エクステンション 名詞,一般,*,*,*,*,*
で 助詞,格助詞,一般,*,*,*,で,デ,デ
形態素 名詞,一般,*,*,*,*,形態素,ケイタイソ,ケイタイソ
解析 名詞,サ変接続,*,*,*,*,解析,カイセキ,カイセキ
を 助詞,格助詞,一般,*,*,*,を,ヲ,ヲ
行っ 動詞,自立,*,*,五段・ワ行促音便,連用タ接続,行う,オコナッ,オコナッ
て 助詞,接続助詞,*,*,*,*,て,テ,テ
み 動詞,非自立,*,*,一段,連用形,みる,ミ,ミ
まし 助動詞,*,*,*,特殊・マス,連用形,ます,マシ,マシ
た 助動詞,*,*,*,特殊・タ,基本形,た,タ,タ
。 記号,句点,*,*,*,*,。,。,。
EOS
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
形態素の詳細情報を配列で取得するサンプルコード
-----------------------------------------------------------------------
<?php
$text = "親と健康は、失って初めてそのありがたみがわかるもの、なんてよくいわれる。";
$mecab = new Mecab();
$nodes = $mecab->parseToNode($text); //形態素の詳細情報を配列で取得
foreach ($nodes as $node) {
echo $node->surface . "<br>"; //表層形（単語そのもの）を取得
echo $node->feature . "<br>"; //形態素情報を取得
echo $node->cost . "<br>"; //形態素までのコスト
echo $node->posid . "<br><br>"; //ステータス番号を取得
}
?>
-----------------------------------------------------------------------
//バージョンを出力
-----------------------------------------------------------------------
echo mecab_version();
-----------------------------------------------------------------------
//読み方だけ表示
-----------------------------------------------------------------------
<?php
$text = "親と健康は、失って初めてそのありがたみがわかるもの、なんてよくいわれる。";
$mecab = new Mecab();
$nodes = $mecab->parseToNode($text); //形態素の詳細情報を配列で取得
$kana = "";
foreach ($nodes as $node) {
$surface = $node->surface; //表層面。単語だけ。
$feature = $node->feature; //形態素情報を取得
//ひらがなかカタカナならそのまま
if(preg_match("/^[ぁ-ゞァ-ヾー]+$/u",$surface)) {
$kana .= $surface;
//ひらがなでもカタカナでもないなら読みを取り出す
} else {
//8番目の情報だけ残す。
$kana .= preg_replace('/^.*?,.*?,.*?,.*?,.*?,.*?,.*?,(.*?),.*$/su','$1', $feature);
//$kana .= preg_split('/,/u',$feature)[7]; // ←こっちでも可。
} //if
//BOS/EOSの場所につく「*」を削除。
$kana = preg_replace('/^\*/u','',$kana);
$kana = preg_replace('/\*$/u','',$kana);
}
echo $kana;
?>
-----------------------------------------------------------------------
さくら共有サーバー、php_mecabのインストール方法
前提として、mecab の辞書にアクセスする必要があるので辞書をローカルフォルダ以下にインストールしておく必要があ（さくらに最初から入っている辞書を使うこともできるが、htmlファイルが UTF-8 の場合、デフォルトの辞書が EUC なので文字化けしてしまう）。
さくら共有サーバー、UTF-8の辞書でmecabを使う方法 ←この作業を済ませておく
１．ファイルを解凍してビルド
///////////////////////////////////////////////////
tar xvfz php-mecab-0.5.0.tgz ←解凍
cd php-mecab-0.5.0 ←ディレクトリ移動
phpize ←拡張モジュールをビルド（ソースファイルから実行可能なファイルを作成。configureファイルができる）
※-ize（アイズ）・・・～化する。～で扱う。
※エックスサーバーでは phpize は使えないので php_mecab はインストールできない。yum や rpm コマンドが使えないので phpize の追加もできない。どうしても phpize が使えない環境で PHP + mecab を実行したいなら PHP の EXEC 関数でコマンドラインを操作してすることならできそう？
///////////////////////////////////////////////////
２．「configure」を実行
///////////////////////////////////////////////////
./configure --with-mecab=/usr/local/bin/mecab-config --with-php-config=/usr/local/php/5.3.27/bin/php-config
///////////////////////////////////////////////////
php-configのバージョンは必ずあわせる。現在使用しているphpのバージョンをphpinfoで確認。今回は「5.3.27」。指定しなくてデフォルトのバージョンが呼び出されるとうまくいかない。phpのバージョンはターミナルから「php -v」でも調べられるが出てきたバージョンのフォルダ名がない場合がある（php -v で「5.45」と出たが存在するフォルダは「5.4」だった）。使用しているphp のバージョンはサーバーコントロールにログインして調べるといい。
mecab-configの場所は「which mecab-config」で特定できる。自前の mecab をインストールしている場合はそちらのパスを指定する。
３．コンパイルとインストール
///////////////////////////////////////////////////
make ←コンパイル
make install ← インストール
///////////////////////////////////////////////////
インストールするとエラーメッセージが出た
----------------------------------------------------------------------
Installing shared extensions: /usr/local/php/5.3.27/lib/php/extensions/no-debug-non-zts-20090626/
cp: /usr/local/php/5.3.27/lib/php/extensions/no-debug-non-zts-20090626/#INST@99219#: Permission denied
----------------------------------------------------------------------
権限のないところにインストールを試みているよう。
ローカルフォルダにインストールするように、Makefileをいじる。（make実行後に作成されるファイル）
Makefileの変更箇所
----------------------------------------------------------------------
#EXTENSION_DIR = /usr/local/php-5.x.x/lib/php/extensions/no-debug-non-zts-20060613 ←コメントアウト
EXTENSION_DIR = $(HOME)/local/lib/php/extensions/no-debug-non-zts-20060613 ←追記
※「20060613」とかフォルダ名は合わせるといい。
----------------------------------------------------------------------
再びmake installすると無事にインストールが完了するはず。
４．続いて、PHPの起動時に読み込まれる拡張モジュールを設置するディレクトリの設定
PHP.iniに拡張モジュールの置き場を記述する
PHP.iniに記述（追記）する内容
----------------------------------------------------------------------
extension_dir="/home/username/local/php-mecab-0.5.0/modules"
extension=mecab.so
----------------------------------------------------------------------
※拡張子 so は shared object の略。UNIX系OSの共有ライブラリのファイル形式。
最初、こう書いたら動かなかくてハマった。
----------------------------------------------------------------------
extension_dir="/home/username/local/lib/php/extensions"
extension=mecab.so
----------------------------------------------------------------------
作業時に出力されたメッセージを見てとりあえず動くところまで持ってこれた。
----------------------------------------------------------------------
Libraries have been installed in:
/home/sunsdoor/local/php-mecab-0.5.0/modules
If you ever happen to want to link against installed libraries
in a given directory, LIBDIR, you must either use libtool, and
specify the full pathname of the library, or use the `-LLIBDIR'
flag during linking and do at least one of the following:
- add LIBDIR to the `LD_LIBRARY_PATH' environment variable
during execution
- add LIBDIR to the `LD_RUN_PATH' environment variable
during linking
- use the `-Wl,--rpath -Wl,LIBDIR' linker flag
See any operating system documentation about shared libraries for
more information, such as the ld(1) and ld.so(8) manual pages.
----------------------------------------------------------------------
UTF-8の辞書を使いたいのでphp.iniに追記
----------------------------------------------------------------------
mecab.default_dicdir=/path/ ←辞書
mecab.default_userdic=/path/ ←ユーザ辞書
----------------------------------------------------------------------
※UTF-8 の辞書を使う場合は phpファイルの保存形式やメタタグ（headタグ内）の文字コードも UTF-8 に揃える必要がある。
自分の環境だといずれか（dicrcとかsys.dicがあるフォルダ）
----------------------------------------------------------------------
mecab.default_dicdir="/home/username/local/mecab-dic/ipadic-utf8"
mecab.default_dicdir="/home/username/local/lib/mecab/dic/ipadic"
----------------------------------------------------------------------
うまくいっていたらphpinfoにmecabの項目が表示されている。
カテゴリー：mecab, PHP, さくらインターネット