Question

对于PHP和正则表达式，我非常无能，但我正在尝试为我的论坛修复一个损坏的插件。

我想替换以下内容：

<blockquote rel="blah">foo</blockquote>

使用

<blockquote class="a"><div class="b">blah</div><div class="c"><p>foo</p></div></blockquote>

实际上，这部分很容易，我已经部分修复了插件来执行此操作。正在使用以下正则表达式来调用preg_replace_callback()进行替换：

/(<blockquote rel="([\d\w_ ]{3,30})">)(.*)(<\/blockquote>)/u

回调代码为：

return <<<BLOCKQUOTE
<blockquote class="a"><div class="b">{$Matches[2]}</div><div class="c"><p>{$Matches[3]}</p></div></blockquote>
BLOCKQUOTE;

这适用于我上面的例子（非嵌套的blockquotes）。然而，如果块引用是嵌套的，例如在以下示例中：

<blockquote rel="blah">foo <blockquote rel="bloop">bar ...maybe another nest...</blockquote></blockquote>

它不起作用。所以我的问题是，如何使用regex / PHP的组合替换所有嵌套块引用？我知道在(?R)的PHP中可以使用递归模式;以下正则表达式将从包含它们的字符串中提取所有嵌套的块引用：

/(<blockquote rel="([\d\w_ ]{3,30})">)(.*|(?R))(<\/blockquote>)/s

但是从那时起，我不太清楚在preg_replace_callback()回调中如何处理，用上面的替换来替换每个嵌套的blockquote。

任何帮助都将不胜感激。

Answer 1

简单的答案是你不能用正则表达式做到这一点。任意深度的嵌套标签（或parens，括号或任何东西）的语言不是常规，因此无法与常规表达式匹配。我建议您使用DOM解析器，或者 - 如果出于某种奇怪的原因绝对必要 - 编写自己的解析方案。

复杂的答案是你可能能够使用一些非常丑陋，hacky的正则表达式和PHP代码来做到这一点，但我不建议它说实话。

另请参阅：The Chomsky hierarchy。

另见：

Answer 2

没有直接支持递归替换，preg_replace_callback()在这种情况下并不特别有用。但是没有什么可以阻止你在多次传球中进行替换。第一次传递处理最外面的标签，随后的传递向内工作。可选的$count参数告诉您每次传递中执行了多少次替换;当它出现零时，你已经完成了。

$regex = '~(<BQ rel="([^"]++)">)((?:(?:(?!</?+BQ\b).)++|(?R))*+)(</BQ>)~s';
$sub = '<BQ class="a"><div class="b">$2</div><div class="c"><p>$3</p></div></BQ>';
do {
  $s = preg_replace($regex, $sub, $s, -1, $count);
} while ($count != 0);

See it in action on ideone.com

嵌套的正则表达式......我很无能为力！

2 个答案: