-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathsearch_all.php
249 lines (228 loc) · 15.9 KB
/
search_all.php
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
<?php
require('search.php');
ini_set('memory_limit','300M');
header("Content-Type: text/html; charset=utf-8");
$pattern_ar = [];
function word_pattern($word) {
global $ic;
$i_mode = ($ic) ? 'i' : '';
return '/(?:(?<!\w’)|(?<=\s)’)\\b' .$word. '(?!\w|>)/u'.$i_mode; //https://regex101.com/r/xbeyRx/3
}
function search_all($search_in_toc=0) {
global $textdir,$matches,$i_min,$i_max,$words_dist_req,$pattern_ar,$ic,$par_count,$match_count;
$i_mode = ($ic) ? 'i' : '';
if ($search_in_toc == 1) {
$i_min=1;$i_max=1;
}
for ($i = $i_min; $i <= $i_max; $i++) {
if ($search_in_toc == 1) {
$filename = $textdir."/toc.html";
} else {
$filename = sprintf($textdir . "/p%03d.html", $i);
}
if (! is_file($filename)) continue;
$lines = file($filename);
foreach($lines as $line) {
if ($search_in_toc == 1) {
preg_match('/^\s*?<li.*?(<a.*?>)/u', $line, $ref);
if (preg_match('/^\s*?<li.*?<a.*?>(.*)<\/a>/', $line, $textInline)===1){
$line=$textInline[1];
}
} else {
preg_match('/^<p>(.*?a>)/u', $line, $ref);
}
$mask = [];
$ref_a_total = preg_match_all('/<a\shref.*?a>|<a\sclass.*?a>|<figure.*?figure>|<sup.*?sup>/u', $line, $all_ref); //Запоминаем все ссылки из текста
for ($r = 0; $r < $ref_a_total; $r++)
$mask[] = '<***'.$r.'>'; //Уникальная маска для каждой ссылки
$line = preg_replace(['/^<h4>.*\\\\n/m','/^.*?a>/u','/<\/?b>/u'], '', $line); //Убираем заголовки, номера абзацев, жирные буквы
if ($ref_a_total) $line = str_replace($all_ref[0], $mask, $line); //Убираем ссылки
$finded_words = [];
foreach ($pattern_ar as $pattern) { //а попадают ли слова в абзац?
if (strpos($pattern, '-') === 0) { //Это слово-исключение, т.к. начинается с минуса -. Т.е. его не должно быть в тексте
if (preg_match_all(word_pattern(substr($pattern, 1)), $line, $words_for_pattern) != 0) continue 2; //Если слово из запроса найдено, то ищем следующий абзац
} else {
$res_search = preg_match_all(word_pattern($pattern), $line, $words_for_pattern);
if ($res_search == 0) continue 2; //Если слово из запроса не найдено, то ищем следующий абзац
}
$finded_words = array_merge($finded_words,$words_for_pattern[0]);
}
$finded_words = array_unique($finded_words);
//Преобразуем абзац в массив слов. Сначала с разбиением слов, составленных через дефис
$line1 = $line;
//(?:\w+-?)+\b(?!>) "time-space>" - потенциально проблемное место, т.к. в нём найдет "time-". См. https://regex101.com/r/iTvV6z/5/
preg_match_all('/(?:[\w’]+-?)+\b(?!>)/u'.$i_mode, $line1, $words_ar1); //Создаем массив из слов. Массив вспомогательный. Нужен для нахождения номера по порядку слова в абзаце
preg_match_all('/(?:[\w’]+-?)+\b(?!>)/u'.$i_mode, $line1, $words_ar, PREG_OFFSET_CAPTURE);//Создаем массив из подмассивов: слово и его начальная позиция в предложении
//"\b-?" - добавил возможность находить слова с "-" в конце, например, one- или two-
//"(?!>)" - проверяем последний символ, не конец ли это тэга?
//Массивы - позиции исследуемых слов word1 и word2 в абзаце
$keys1 = [];$keys2 = [];
$re_words1 = []; $re_words2 = [];
foreach ($words_dist_req[0] as $key => $words_dist) {
$word1 = $words_dist_req[1][$key];
$word2 = $words_dist_req[6][$key];
$distances_from = $words_dist_req[3][$key];
$distances_to = $words_dist_req[4][$key];
$search_inSentence = $words_dist_req['InSentence'][$key];
$distant_with_order = $words_dist_req['WithOrder'][$key];
//Определяем, а есть ли вообще слова word1 и word2 в абзаце
if (preg_match_all(word_pattern($word1), $line1, $re_words1_t) == 0) continue 2;
$re_words1_t = array_unique($re_words1_t[0]);
$re_words1 = array_merge($re_words1, $re_words1_t);
if (preg_match_all(word_pattern($word2), $line1, $re_words2_t) == 0) continue 2;
$re_words2_t = array_unique($re_words2_t[0]);
$re_words2 = array_merge($re_words2, $re_words2_t);
foreach ($re_words1 as $word1) {
$keys = array_filter($words_ar1[0], function($v, $k) use ($word1) { return(strpos($v,$word1) !== false); }, ARRAY_FILTER_USE_BOTH);
$keys = array_keys($keys); //Делаем выборку номеров слов по искомому первому с учетом вхождения //или попробовать array_merge()
$keys1 = array_merge($keys1, $keys);
}
foreach ($re_words2 as $word2) {
$keys = array_filter($words_ar1[0], function($v, $k) use ($word2) { return(strpos($v,$word2) !== false); }, ARRAY_FILTER_USE_BOTH);
$keys = array_keys($keys); //Делаем выборку номеров слов по искомому второму с учетом вхождения
$keys2 = array_merge($keys2, $keys);
}
}
$keys1 = array_unique($keys1);
$keys2 = array_unique($keys2);
$dist_ar = [];
//Собственно основные условия нахождения по расстоянию - с учетом последовательности слов и без
foreach ($keys1 as $word1_i) {
foreach ($keys2 as $word2_i) {
if ($distant_with_order == 1) {
if (($word2_i-$word1_i) >= $distances_from && ($word2_i-$word1_i) <= $distances_to) $dist_ar[] = [$word1_i, $word2_i]; //если не нашли по расстоянию - ищем в следующем абзаце
}
else {
if (abs($word2_i-$word1_i) >= $distances_from && abs($word2_i-$word1_i) <= $distances_to) $dist_ar[] = [$word1_i, $word2_i]; //если не нашли по расстоянию - ищем в следующем абзаце
}
}
}
$word_mark = []; //Основной массив слов, которые будут помечаться маркером
//1. Заполняем из найденных в абзаце по расстоянию
foreach ($dist_ar as $para) {
$word1_i = $para[0];
$word2_i = $para[1];
$word1_o = $words_ar[0][$word1_i][0];
$word2_o = $words_ar[0][$word2_i][0];
$word1_p = $words_ar[0][$word1_i][1];//Позиция первой буквы слова в предложении по номеру слова
$word2_p = $words_ar[0][$word2_i][1];
$w1_shift_last=0;$w2_shift_last=0;
foreach ($re_words1 as $word1) {
$w1_shift= strpos($word1_o,$word1); //Смещение позиции, если искомое слово - часть слова в предложении
if ($w1_shift !== false) {
if ($word1_o == $word1) {$w1_shift_last=0; break;}
$w1_shift_last = $w1_shift;
} else {
$w1_shift = 0;
}
}
$w1_shift = ($w1_shift_last != 0) ? $w1_shift_last : $w1_shift;
foreach ($re_words2 as $word2) {
$w2_shift= strpos($word2_o,$word2);
if ($w2_shift !== false) {
if ($word2_o == $word2) {$w2_shift_last=0; break;}
$w2_shift_last = $w2_shift;
} else {
$w2_shift = 0;
}
}
$w2_shift = ($w2_shift_last != 0) ? $w2_shift_last : $w2_shift;
$word_mark[$word1_p+$w1_shift] = $word1;
$word_mark[$word2_p+$w2_shift] = $word2;
}
if (count($word_mark) == 0 && count($dist_ar) != 0) continue; //А если ничего так и не нашли - идем к следующему абзацу
$p_count = 0;
//Маркируем слова из подзапроса с расстоянием
krsort($word_mark);// ВАЖНО! сортируем и маркируем в обратном порядке, т.к. если маркировать сначала, то станут неправильными индексы начала слов
foreach ($word_mark as $position => $word) {
$line = substr_replace($line,"<mark>".$word."</mark>",$position,strlen($word));
$match_count += 1;
$p_count += 1; //Подсчитываем вхождение всех слов в абзаце
}
//Маркируем все остальные слова из поискового запроса
foreach ($pattern_ar as $pattern) {
$line = preg_replace_callback(word_pattern($pattern), 'text_replace_all', $line, -1, $count);
$match_count += $count;
$p_count += $count; //Подсчитываем вхождение всех слов в абзаце
}
if ($p_count > 0) {
$par_count++;
$outputline = output_line($line,$search_in_toc);
if ($ref_a_total) $outputline[1] = str_replace($mask, $all_ref[0], $outputline[1]); //Возвращаем ссылки обратно
$matches[] = "<p><span class='hit'>[".$p_count."/".$par_count."] </span>".$ref[1].$outputline[0].$outputline[1].$outputline[2];//htmlentities($outputline)."<pre>".print_r($shortline, true)."</pre>"
}
}
}
}
//формируем строку замены
function text_replace_all($matches) {
$m1 = $matches[0];
return '<mark>'.$m1.'</mark>';
}
if (isset($text)) {
$re = '/\(?((?:[\w*+?’]+-?)+)\s+(\|?(?:\<|\>))(?:(\d+),(\d+)|(\d+))\>\|?\s+((?:[\w*+?’]+-?)+)\)?/u';//Выделение запроса о расстоянии между словами
// (_______1________) (______2_____) (_3_) (_4_) (_5_) (_______6________)
//Слово1________| | | | | | Может быть составным, разделенным дефисами
//Тип расстояния____________________| | | | |
//расстояние 1__________________________________| | | |
//расстояние 2________________________________________| | |
//расстояние сокращенное____________________________________| |
//Слово2________________________________________________________________________|
preg_match_all($re, $text, $words_dist_req, PREG_PATTERN_ORDER, 0); //Запоминаем запросы о расстоянии
$text = str_replace($words_dist_req[0], '', trim($text)); //Очищаем их из основного запроса
$text = trim(preg_replace(['/[\\\\<>()\[\]]/u', '/([*+])+/u'],['', '$1'], $text)); //Чистим текст запроса от лишнего
if (($text == ''||$text == '*'||$text == '+') && empty($words_dist_req[0]) == true ) end_search(0, 0, '', $text); //Завершаем поиск, если строка поиска пустая или только * или +
$text = preg_replace('/(?<=\s|^)[^\s\w\*\+\-\?’]+(?=\s|$)\s?|[^\s\w\*\+\-\?’]/u', '', $text); //Убираем любые символы, кроме пробела, *, +, -, ’ или ? в слове
if (trim($text) == false && empty($words_dist_req) == true ) end_search(0, 0, '', $text);
//
// В поиске реализованы спецсимволы-маски:
//
// * - любое количество букв (от нуля и больше)
// + - любое количество букв (от единицы и больше)
// ? - одна любая буква
// - - минус в начале слова означает, что это слово не должно быть в тексте
//
// цифры ищутся только по тексту (номер параграфа исключается)
//
// В поисковой строке действуют операторы указания расстояния от N до M между словами:
// Слово1 <N,M> Слово2 - в пределах абзаца (укороченно <N> = <1,N>)
// Слово1 >N,M> Слово2 - в пределах абзаца, с учетом последовательности
//
// Планируются:
// Слово1 |<N,M>| Слово2 - в пределах предложения
// Слово1 |>N,M>| Слово2 - в пределах предложения, с учетом последовательности
//
$pat = mask2regexp(trim($text));
$pattern_ar = preg_split('/\s+/',trim($pat)); //Создаем из строки поиска массив из слов
if (is_array($pattern_ar) == false) $pattern_ar = [];
//Подготавливаем массив слов из запроса по расстоянию
foreach ($words_dist_req[0] as $key => $words_dist) {
$word1 = $words_dist_req[1][$key];
$word2 = $words_dist_req[6][$key];
$words_dist_req['Word1_AsRegex'][$key] = 0; //Флаг - искать слово1 как регэкс (1) или просто (0)
$words_dist_req['Word2_AsRegex'][$key] = 0; //Флаг - искать слово2 как регэкс (1) или просто (0)
if (strpos($word1,"*") !== false || strpos($word1,"+") !== false || strpos($word1,"?") !== false) {
$words_dist_req[1][$key] = mask2regexp($word1);
$words_dist_req['Word1_AsRegex'][$key] = 1;
}
if (strpos($word2,"*") !== false || strpos($word2,"+") !== false || strpos($word2,"?") !== false) {
$words_dist_req[6][$key] = mask2regexp($word2);
$words_dist_req['Word2_AsRegex'][$key] = 1;
}
$distances = $words_dist_req[5][$key];
//Дистанция - От и До
$words_dist_req[3][$key] = $distances != null ? 1 : $words_dist_req[3][$key];
$words_dist_req[4][$key] = $distances != null ? $distances : $words_dist_req[4][$key];
//признак - ищем в пределах абзаца (0) или строки (1)
$words_dist_req['InSentence'][$key] = strlen($words_dist_req[2][$key]) == 1 ? 0 : 1;
//признак - ищем без учета последовательности (0) или с последовательностью (1)
$words_dist_req['WithOrder'][$key] = ($words_dist_req[2][$key]=='<'||$words_dist_req[2][$key]=='|<' ) ? 0 : 1;
}
//Очищаем массив от пустых значений
foreach ($pattern_ar as $key => $pattern) {
if ($pattern=='') unset($pattern_ar[$key]);
}
make_search("search_all");
}
end_search($par_count, $match_count, $matches, $text);
?>