HOWTO · PHP
PHP で文字列から数字を抽出する方法
この記事では、PHP で文字列から数字を抽出する方法を紹介します。preg_match_all()関数、filter_var()関数、preg_replace()関数などが含まれています。
このページの内容
PHP の文字列から数字を取り出す方法は、必要な結果に応じて選びます。数字の並びを個別に取得する方法、数字と符号を残したサニタイズ済みの文字列にする方法、ASCII 数字だけの文字列にする方法があります。例では同じ入力を使うため、結果の違いを比較できます。文字を取り出すだけでは、小数を解析したり数値を検証したりできません。
各数字の並びを取得するには preg_match_all() を使う
数字の連続をそれぞれ別のマッチとして取得するには、preg_match_all() を使います。何をマッチとみなすかはパターンで決まり、\d+ は1桁以上の連続する数字にマッチします。この関数の戻り値はマッチ数です。一方、3番目の引数には取得したテキストが $matches[0] に格納され、キャプチャグループがある場合は追加の要素にも格納されます。つまり、戻り値は抽出された値ではなく件数です。
次の例を実行します。コードと表示ラベル、出力は変更されず、英語のまま表示されます。
<?php
$input = 'Invoice A-42: total $18.50; item 7.';
$count = preg_match_all('/\d+/', $input, $matches);
echo "count=$count\n";
echo implode(', ', $matches[0]), "\n";
?>
count=4
42, 18, 50, 7
数字の並びは個別に返されるため、18.50 は小数点で分割され、18 と 50 になります。この方法は数字の並びを見つけるのに便利ですが、それらが整数、小数、日付、識別子のどれに当たるかは判断しません。周囲の形式も考慮する必要がある場合は、より具体的なパターンを指定してください。
整数の文字を残すには filter_var() を使う
filter_var() と FILTER_SANITIZE_NUMBER_INT を組み合わせると、プラス記号とマイナス記号を含む整数の文字を1つの文字列に残せます。それ以外の文字は削除されます。この方法は値を個別に取り出すものではなく、残った文字列が正しい形式の整数かどうかを検証するものでもありません。該当する符号はすべて残るため、入力の別の箇所にある符号も結果に含まれることがあります。
このセクションのコードと表示ラベル、出力は変更されず、英語のまま表示されます。
<?php
$input = 'Invoice A-42: total $18.50; item 7.';
$sanitized = filter_var($input, FILTER_SANITIZE_NUMBER_INT);
echo $sanitized, "\n";
?>
-4218507
A-42 のマイナス記号は残り、小数点は削除されて 18 と 50 がつながります。アプリケーション側で期待する形式を確認し、解釈方法を決めるまでは、結果をテキストとして扱ってください。任意のサニタイズ済みテキストを整数にキャストすると、不正な入力を見えにくくしたり情報を失ったりする可能性があるため、解析や検証の代わりにはなりません。
数字以外を削除するには preg_replace() を使う
/[^0-9]/ を指定して preg_replace() を使うと、ASCII 数字の範囲外にある文字をすべて空文字列に置き換えられます。結果は1つの文字列になり、入力内で分かれていた数字の並びは連結されます。符号、小数点などの記号、空白、英字も削除されるため、それらを結果に残す必要がない場合に使ってください。
このセクションのコードと表示ラベル、出力は変更されず、英語のまま表示されます。
<?php
$input = 'Invoice A-42: total $18.50; item 7.';
$digits = preg_replace('/[^0-9]/', '', $input);
echo $digits, "\n";
?>
4218507
ここで [^0-9] は、10種類のASCII数字のいずれでもない文字を意味します。結果では数字の順序は保たれますが、値の境界は失われます。42、18、50、7 は 4218507 になります。識別子から数字の文字だけを残す用途には適していますが、元の数値を復元する用途には向きません。また、このパターンはASCII以外の数字文字も対象外です。
入力形式に合った方法を選ぶ
数字の並びを個別の値として取得したい場合は preg_match_all() を使います。数字と符号を残した1つの文字列が必要な場合は filter_var() と FILTER_SANITIZE_NUMBER_INT を組み合わせ、解釈する前に形式を検証してください。分かれている数字の並びを連結してよい場合は、ASCII 数字だけからなる1つの文字列を返す preg_replace() を使います。
どの方法も小数を解析しません。preg_match_all() は記号の位置で数字を分割し、サニタイズする方法では小数点が削除されます。小数点、桁区切り、符号付き数値の意味を保つ必要がある場合は、変換する前に入力形式を定義して検証してください。同様に、/[^0-9]/ は意図的にASCII数字だけを残します。入力に別の数字表記が含まれる場合は、実際の文字種に合ったパターンを使ってください。適切な方法は、入力が文章、書式付きの値、識別子のどれか、また区切り記号や符号に意味があるかによって決まります。