Noen ord om forening (JOIN)

En forening, eller JOIN som det heter på engelsk, er en rasjonell operator på lik linje som utvelgelse av kolonner eller rader som skal vises. Det er en operasjon på relasjons-databaser som brukes til å koble sammen to eller flere tabeller i en database – igjennom en felles kolonne. Dersom man bruker MySQL og InnoDB vil det som regel være primærnøkkelen og fremmednøkkelen som blir brukt som bindeledd.

Et lite eksempel på hva man kan oppnå med forening.

Jeg har to tabeller. Den ene inneholder personer i et register, den andre inneholder postnummer og poststed. Det jeg vil oppnå er å liste ut alle personer med tilhørende poststed. Tabellene ser slik ut (bruker relasjonell form).

person (person_id, name, zip_code*);
 
postal (zip_code, post_place);

De som er understreket er primærnøkler og * markerer en fremmednøkkel. Dette er hva vi kaller en en-til-mange relasjon. For å hente ut ønsket info kan jeg bruke denne spørringen.

SELECT t1.name, t2.post_place FROM person t1 INNER JOIN postal t2 ON t1.zip_code = t2.zip_code;

Nå som vi har fått unna et kjapt eksempel kan vi gå over til hvilke forskjellige foreningsmetoder vi har og når vi vil bruke de.

De jeg kommer til å gjennomgå er

1. INNER JOIN og NATURAL JOIN
2. LEFT OUTER JOIN
3. RIGHT OUTER JOIN
4. FULL OUTER JOIN
5. CROSS JOIN (noen kjappe ord)

INNER JOIN

INNER JOIN, med LEFT/RIGHT JOIN, er nok den foreningen som kommer til å bli brukt mest. Det er noe som kalles equijoin, og betyr rett og slett at man henter ut informasjonen bundet sammen av to felles verdier i en kolonne/attributt. Kodene ovenfor er et eksempel på denne typen forening.

Det som gjør INNER JOIN forskjellig fra noen OUTER JOIN (som LEFT/RIGHT) er at vi henter kun ut de radene (også kalt «tupler») som har verdier i begge de kolonnene som vi forener om. Om vi viderefører eksemplet ovenfor vil dette si at kun personer med poststed og kun poststedene med personer i seg blir hentet ut. Vi får ikke listet ut alle poststedene som ikke er bebodd av noen medlemmer i person-tabellen vår, og vi får heller ikke listet ut personer som ikke har noe poststed registrert.

Eksempel på INNER JOIN finner har jeg allerede skrevet i toppen av artikkelen.

NATURAL JOIN

NATURAL JOIN er i all basis det samme som en INNER JOIN. Eneste forskjellen er at vi fjerner duplikatkolonner. Vi ser at både postal- og person-tabellene inneholder zip_code kolonnen. Dersom vi henter ut alle felt med en vanlig INNER JOIN vil begge disse hentes ut. Det er naturlig at vi ikke trenger denne informasjonen to ganger. Det er sløsing med dataplass/minnebruk. Dersom vi bruker projeksjon (en relasjonell operator som tillater oss å velge hvilke kolonner vi vil ha ut – f.eks SELECT field1, field2 [...]), er det ikke nødvendig med NATURAL JOIN.

Eksempel på NATURAL JOIN

SELECT * FROM person t1 NATURAL JOIN postal t2 ON t1.zip_code = t2.zip_code;

LEFT OUTER JOIN

Nå har vi beveget oss ut på ytterforening. I motsetning til INNER JOIN vil en LEFT OUTER JOIN favorisere en side av tabellene. Det er fortsatt en såkalt «equijoin». Relatert til det eksemplet vi har brukt tidligere vil det bety at vi kan hente ut alle postkodene uavhengig av om de har personer registrert til seg eller ikke – eller motsatt; alle personer uavhengig om de har registrert postkode.

Her er OUTER et valgfritt nøkkelord i spørringen. LEFT JOIN er såvidt jeg vet det samme som LEFT OUTER JOIN.

Eksempel på LEFT [OUTER] JOIN

Jeg vil hente ut alle personer og dersom de har registrert poststed vil jeg også vise disse.

SELECT t1.name, t2.post_place FROM person t1 LEFT JOIN postal t2 ON t1.zip_code = t2.zip_code;

Du ser her at tabellen person er den tabellen som står etter FROM-nøkkelordet. Dette gjør den til en venstrestilt tabell, og det er den vi favoriserer ved å bruke LEFT JOIN.

RIGHT OUTER JOIN

RIGHT OUTER JOIN er i praksis veldig lik LEFT OUTER JOIN. Eneste forskjellen på disse er hvilken side vi vil favorisere. Vi ser av forrige punkt om LEFT JOIN er det person som blir favorisert. Dersom jeg bruker RIGHT JOIN er det postal-tabellen som blir hovedtabellen. Resultatet vil være en tabell over alle postkoder og tilhørende personer som er registrert. Siden vi ikke grupperer vil vi få flere resultater av samme postkode, da «tuplene» er av forskjellige kombinasjoner (forskjellige personer til samme postkode).

Eksempel på RIGHT [OUTER] JOIN

Jeg vil hente ut alle postkoder og dersom de har registrert personer vil jeg også vise alle disse.

SELECT t1.name, t2.post_place FROM person t1 RIGHT JOIN postal t2 ON t1.zip_code = t2.zip_code;

FULL OUTER JOIN

Siden dette også er en OUTER JOIN kan vi kanskje se for oss hva vi kommer til å få. Dette er en ytterforening som ikke favoriserer noen side. Den kommer til å vise poststeder med og uten personer og personer med og uten poststed.

Eksempel på FULL OUTER JOIN

SELECT t1.name, t2.post_place FROM person t1 FULL OUTER JOIN postal t2 ON t1.zip_code = t2.zip_code;

CROSS JOIN

Denne foreningen er litt anderledes enn de vi har sett på til nå. På norsk kalles dette gjerne kryssprodukt eller kartesisk produkt. Her har vi en forening uten noe nøkkelord som JOIN. Vi bruker rett og slett flere tabeller adskilt av komma etter FROM. Uten noe seleksjon (i praksis WHERE-nøkkelordet) vil dette gi alle mulige kombinasjoner av de to tabellene sammenlagt.

Eksempel på CROSS JOIN

Jeg har en tabell med navn tabell1 som har kun én kolonne; tall. Denne tabellen inneholder følgende data: 1, 2, 3. Jeg har også en tabell til med navn tabell2 som inneholder akkurat samme data.

Dersom jeg da kjører følgende spørring:

SELECT * FROM tabell1, tabell2;

Vil resultatet være følgende:

[ tall | tall ]

[ 1 | 1 ]

[ 1 | 2 ]

[ 1 | 3 ]

[ 2 | 1 ]

[ 2 | 2 ]

[ 2 | 3 ]

[ 3 | 1 ]

[ 3 | 2 ]

[ 3 | 3 ]

Referanser

Jeg er særdeles dårlig på norske uttrykk når det gjelder programmering og lignende. Derfor har jeg fått hjelp av boka [i]Databaser[/i] som er skrevet av Kjell Toft Hansen og Tore Mallaug.

Dersom du er interessert i gratis program og en oppfriskende utfordring ta turen innom MacHeist sine hjemmesider.

At 8 drinks, you switch the torrent from FreeBSD to Microsoft Bob. C'mon, it'll be fun!

Det er alt for lite livlige bilder her i bloggen. Derfor sender jeg med dette bildet som lærer dere flow charts!

Lenkebrudd

Dette skriveriet er løst basert på en ALA artikkel jeg leste her om dagen. Den omhandler hvordan du kan lage en feilmeldingsside som er mer informativ både til deg og brukeren som opplever den. ALA forfatteren har valgt å dele inn forskjellige error 404-meldinger i 4 grupper. Jeg derimot velger å sette disse til 3 for enkelhetens skyld.

• Feil fra brukerens side. Gammelt bokmerke, feilskreven URL.
• Et brudd på en lenke på din side.
• Et brudd på en lenke fra en annen side. Enten en søkeside eller en annen side.

Hovedsakelig ønsker vi som utvikler og eier av siden informasjon dersom det er brudd på en lenke i din side, men også muligens fra andres sider. Dersom det er noen som lenker til siden din (kanskje en annen blogg) så kan du sende en e-post til de og informere om lenkebruddet. Gammelt bokmerke eller feil skrevet URL trenger vi ikke så mye informasjon om.

For å finne hvor brukeren kom fra kan vi bruke superglobale tabellen _SERVER og hente ut verdien av HTTP_REFERER. Det er viktig å huske at HTTP_REFERER ikke er 100% nøyaktig. Den fungerer bare dersom det blir linket igjennom en a-tag, eller igjennom form-submitt og bilde-kilde. Det fungerer altså ikke dersom det er linket igjennom en e-post, med en redirect, lasting igjennom XML, bokmerke og lignende. Det er også ganske lett å endre innholdet i HTTP_REFERER, så dersom den skal skrives ut må vi ta høyde for XSS. Siden dette ikke er en veldig essensiell funksjon vi skal lage, holder HTTP_REFERER lenge som en pekepinn på hvor brukeren kom i fra. Det er også ingen reell trussel for XSS siden vi ikke trenger å skrive ut verdien eller bruke den i en database eller lignende. HTTP_REFERER kan også ikke eksistere i enkelte tilfeller, derfor er det lurt å ta en isset()-test når man setter verdien.

Vi setter verdien av HTTP_REFERER slik:

$referer = null;
if(isset($_SERVER['HTTP_REFERER'])) {
    $referer = $_SERVER['HTTP_REFERER'];
}

1. Gammelt bokmerke eller feilskreven URL

Dersom $referer er null går vi ut i fra at det går under kategori 1. Vi har ingen stor nytteverdi av å vite dette i noen slags logg eller på e-post, derfor skriver vi bare ut til brukeren at de burde oppdatere bokmerkene sine, eller se etter korrekt side ved å bruke søketjenesten vi har på siden.

echo "
<h2>Feilmelding: 404 Fil ikke funnet!</h2>
\n";
echo "
 
Filen du letet etter finnes ikke her. 
 
";
if($referer === null) {
	echo "Det ser ut til at du bruker et gammelt
	bokmerke eller har skrevet inn feil URl.
 
Prøv søkefeltet på siden eller skriv inn
korrekt URL i adressefeltet i nettleseren din.\n";
}

Vi skriver bare ut en enkel feilmelding til brukeren, og logger ikke eller noe i den dur.

2. Et brudd på en lenke på din side

Dersom det er et brudd i en lenke på vår side vil vi gjerne vite om det for å kunne korrigere feilen. Derfor kan vi velge å i tillegg til å skrive ut feilmelding så logger vi hendelsen og sender en e-post til administrator om hva som har skjedd.

Dersom vårt domenenavn er i $referer går vi ut i fra at det er en brudd i en lenke på siden vår. Det er ikke krise dersom noen har tuklet med HTTP_REFERER og lagt inn domenenavnet vårt. Det fører bare til en e-post som vi kan sjekke kjapt selv. Jeg tar en enkel test her for å vise konseptet.

if (stristr($referer, $_SERVER['SERVER_NAME'])) {
	sendMailError404("BROKEN_LOCAL", $referer);
	logError404("BROKEN_LOCAL", $referer);
 
	echo "Det ser ut til at vi har et lenkebrudd på siden
	vår. Vi vil med dette se nærmere på saken og håper
	å få fikset det i løpet av kort tid.
 
        Prøv søkefeltet på denne siden for å finne
	en annen link til denne siden.\n";
}

Her bruker jeg to pseudo-funksjoner til å vise til hvordan en kan gjøre det. sendMailError404 sender rett og slett e-post til administrator som informerer om at det er et lenkebrudd på siden som $referer viser til. Loggen lagrer bare samme informasjon i en txt-fil på root-området eller lignende.

3. Et brudd på en lenke fra en annen side

Ved øvrig hendelser, hvor referer er satt men ikke inneholder domenenavnet ditt kan man gå ut i fra at det er en annen side som har en brutt lenke til siden din. Her er det kanskje ikke nødvendig å sende inn en e-post hver gang dette skjer. Ofte kan det være slik at søkesider har gamle sider indeksert og da kan det være litt plagsomt å få flere e-poster hver dag med informasjon om lenkebrudd fra f.eks Google. I dette tilfellet ville jeg bare ha logget hendelsen og med jevne mellomrom sjekket loggen etter noen lenkebrudd fra f.eks bloggrollen min eller andre sider.

else {
	logError404("BROKEN_EXTERNAL", $referer);
	echo "Det ser ut til at vi har et lenkebrudd på en
	ekstern side. Vi vil med dette se nærmere på saken og håper
	å få fikset det i løpet av kort tid.
 
        Prøv søkefeltet på denne siden for å finne
	en annen link til denne siden.\n";
}

Vi kan sette en komplett semi-kode på dette for å vise til hvordan det kan gjøres.

$referer = null;
if(isset($_SERVER['HTTP_REFERER'])) {
    $referer = $_SERVER['HTTP_REFERER'];
}
 
echo "
<h2>Feilmelding: 404 Fil ikke funnet!</h2>
\n";
echo "
 
Filen du letet etter finnes ikke her.
 
";
 
if($referer === null) {
	echo "
 
Det ser ut til at du bruker et gammelt
	bokmerke eller har skrevet inn feil URl.
 
Prøv søkefeltet på siden eller skriv inn
	korrekt URL i adressefeltet i nettleseren din.
 
\n";
 
} else if (stristr($referer, $_SERVER['SERVER_NAME'])) {
	sendMailError404("BROKEN_LOCAL", $referer);
	logError404("BROKEN_LOCAL", $referer);
 
	echo "
 
Det ser ut til at vi har et lenkebrudd på siden
	vår. Vi vil med dette se nærmere på saken og håper
	å få fikset det i løpet av kort tid.
 
Prøv søkefeltet på denne siden for å finne
	en annen link til denne siden.
 
\n";
} else {
	logError404("BROKEN_EXTERNAL", $referer);
	echo "
 
Det ser ut til at vi har et lenkebrudd på en
	ekstern side. Vi vil med dette se nærmere på saken og håper
	å få fikset det i løpet av kort tid.
 
Prøv søkefeltet på denne siden for å finne
	en annen link til denne siden.
 
\n";
}

Sette en PHP-fil som feilmeldingsdokument

Når man har laget et PHP-dokument som inneholder koden over må man sette filen man lagrer det som til en Error 404 dokument. Dette gjør man i htaccess filen på følgende måte:

ErrorDocument 404 /php/404.php

Nå har vi en error 404 side som er mye mer informativ for både deg og brukeren. På denne måten kan vi også holde oversikt og få hjelp til å finne lenker som er brutt på andres sider som lenker til din side, eller lenker som er brutt på din egen side.

Som alltid setter jeg pris på tilbakemeldinger.

Ha en flott jul og et godt nytt år.

Som første post, etter pausen min, vil jeg anbefale noe lesestoff for de som er i tvil om hva webstandarder er, og hvorfor det er så sabla viktig. Denne lenken fører deg videre til Webstandards.org, som ofte kommer med gode poster til de som engasjerer seg for semantikk og webstandarder. Noen poster kan man kanskje styre unna, da de blir litt for tekniske for de fleste.

Men dette er altså en artikkel jeg anbefaler alle som driver med nettutvikling å lese: What are web standards and why should I use them?

• Tegnsetting
• Ankrer
• Klassekoder
• Klasser
• Modifiers

Disse gruppene dekker ikke alle felt, men de fleste. F.eks dekker de ikke hexadecimal som koden er \xTALL på.

Tegnsetting

Tegnsettingen er veldig essensielt i RegExp. De kan bestemme alt som skal foregå i et uttrykk.

• \ » Den escaper andre tegn og klasser. Brukes forrann et annet tegn og du matcher tegnet. Bruker du den forrann klasser så blir det en annen sak, som vi kommer tilbake til. Eksempel: /(http:\/\/)/
• | » Kan oversettes til eller. Eksempel: /(http|ftp):\/\//
• { og } » Setter lengden den skal godta. Eksempel: /([\w]{10,20})/
• ( og ) » Grupperer valgene og velger det en kan bruke senere. F.eks det som er mellom paranteser kan bli kalt med \\1 i en preg_replace. Eksempel: /([\w]{10,20})/
• [ og ] » Setter klasser av tegn og rekkevidder. Eksempel: /[a-z]/
• . » Alle tegn foruten \n Eksempel: /./
• * » Matcher tegn fra 0 eller mer. Samme som {0,} Eksempel: /(.*)/
• + » Matcher tegn fra 1 eller mer. Samme som {1,} Eksempel: /(.+)/
• ? » Matcher tegn fra 1 eller ingen. Samme som {0,1} Eksempel: /(.?)/
• ^ » Definerer starten på en streng.Eksempel: /^[a-z]{3,6}/ – Inneholder a-z på de 3-6 første tegnene av en streng
• $ » Definerer slutten på en streng. Eksempel: /[a-z]{3,6}$/ – Inneholder a-z på de 3-6 siste tegnene av en streng

Ankrer

Ankerkoder vil definere hvor i strengen du mener. ^ og $ er to ankerkoder. Men det finnes flere.

• \b » Setter en grense i et ord. Kutter ordet etter match.Eksempel: /MinStreng\b/
• \B » Tar alt utenom grensenEksempel: /Rat\B/ – Tar Rattata, men ikke kun Rat.
• \A » Definerer starten på en streng.
• \Z » Definerer starten på en streng.

Klassekoder og klasser

Her er det som definerer rangen mellom strenger. Hvilke tegn den skal matche o.l. Det er flere måter å gjøre det på, bruke enkeltbokstaver med escape, f.eks \w og \d. Eller bruke range “manuelt”, f.eks [a-z] og [0-9].

• \d == [0-9] » Matcher alle tall
• \D == [^0-9] » Matcher alle ikke tall
• \w == [a-zA-Z_0-9] » Matcher alle bokstaver fra a til z, store og små. Samt tall og understrek.
• \W == [^a-zA-Z_0-9] » Matcher alt som ikke er a-z (små og stort), tall og understrek
• \s == [ \t\n\r\f] » Matcher whitespace, tabulater, newline osv.
• \S == [^ \t\n\r\f] » Matcher alt som ikke er whitespace, tabulater, newline osv.

Modifiers

Jeg mangler et norsk ord på dette. Alle har hørt om det, men er ikke sikkert de er klar over alle eller vet hva de gjør. De fleste vet hva i-modifieren gjør, men har du hørt om o? Eller g? Eller kanskje e? Vel, her er en liste over modifiers.

• i » Gjør mønsteret case-insensitive
• e » Bruk som callback i preg_replace i PHP.
• x » Bruk utvidet regulært uttrykk
• o » Kjør uttrykket kun èn gang.
• g » Kjør uttrykket globalt. Over flere ganger. Som preg_match_all()
• m » Behandle uttrykket som flere linjer
• s » Behandle uttrykket som kun èn linjer

Hvordan sette det sammen?

Så nå har vi all informasjonen vi trenger til å sette sammen et uttrykk. Slik som dette:

Eksempel

Vi skal stoppe spam, og har sett at et fellestrekk med spam-postene er at postene ofte har “Hey”, “Hello” eller “Hi” i starten, og fulgt av to linker på neste linje. Den inneholder også tekst etter “Hey”, “Hello” eller “Hi”. Denne er observert som vanlig tekst mellom 14 og 25 tegn.

Eksempel på kommentar ser slik ut:

Hello! Great site, pal!
<a href=”http://mikaelb.net/#”>SpamLink</a> | <a href=”http://mikaelb.net/#”>SpamLink</a>

Vi skal lage et uttrykk som passer dette, hvordan?

Tenk et ledd om gangen. Først starter vi med at alle starter med “H”. Da gjør vi slik:

1

/^H/i

Men siden det er et ord der, kan vi videreutvikle den og skrive slik:

1

/^H[^\s]{1,6}/i

Så hva har du mer av i strengen etter Hello/Hei/Hi? Jo, det kommer mellomrom og mer påfølgende tekst. Teksten kan være alle tegn utenom newline. Det kan skrives slik [^\n]. Og den teksten var mellom 14 og 25 tegn. Da utvider vi den og lar den bli slik:

1

/^H[^\s]{1,6}\s?[^\n]{14,25}/i

Grunnen til at jeg har \s? er for det skal være space, men eventuelt ikke. Derav er det ? etter \s, for å få valgfriheten.

Så kan vi tenke oss at et uttrykk for en link ser slik ut:

1

<a[^>]?href="[^>]"[^>]?>(.*)<\/a>

Så kan vi sette den sammen til ett uttrykk:

1

/^H[^\s]{1,6}\s?[^\n]{14,25}\s*(<a[^>]?href="[^>]"[^>]?>(.*)<\/a>[^>]?)*\z/