Question

我有以下文字

hello <?tag?> world <?tag2?> xx <?/tag2?> hello <?/tag?> world

我需要将它转换为

阵列（ '你好 '，阵列（ '世界'，阵列（ 'xx' ） ' 你好 ' ） '世界' ）;

标签是字母数字，只要它们使用匹配的标记关闭，或<?/?>。具有相同名称的标签可能会重复，但不会在彼此内部。

我的问题是哪种CPU效率最高？

使用带回调的递归preg_replace
将preg_match_all与PREG_OFFSET_CAPTURE
使用preg_split将所有标签（PREG_SPLIT_NO_EMPTY | PREG_SPLIT_DELIM_CAPTURE）展平为线性阵列，然后遍历并分组标签。

如果你也可以提供表达，我会非常高兴。

Answer 1

事实证明这并不是那么简单，但希望这可能对其他人有所帮助。最大的复杂因素是从preg_replace的回调函数返回非字符串。

感谢所有试图提供帮助的人！

class Parser {
    public $ret=array();
    function loadTemplateFromString($str){
        $this->parsed_template=$this->tags=array();
        if(!$str){
            return;
        }
        var_dump($str);

        /* First expand self-closing tags <?$tag?> -> <?tag?><?/tag?> */
        $str=preg_replace('/<\?\$([\w]+)\?>/','<?\1?><?/\1?>',$str);

        /* Next fix short ending tag <?tag?>  <?/?> -> <?tag?>  <?/?> */
        $x=preg_replace_callback('/.*?<\?\/\?>/',function($x){
                return preg_replace('/(.*<\?([^\/][\w]+)\?>)(.*?)(<\?\/?\?>)/',
                   '\1\3<?/\2?>',$x[0]);
                },$str);

        /* Finally recursively build tag structure */
        $this->recursiveReplace($x);
    }
    function recursiveReplace($x){

        if(is_array($x)){
            // Called recursively
            $tmp2=$this->ret;$this->ret=array();
        }else{
            $x=array(4=>$x);
            $tmp2=null;
        }
        $y=preg_replace_callback('/(.*?)(<\?([^\/$][\w]+)\?>)(.*?)(<\?\/(\3)?\?>)(.*?)/',
            array($this,'recursiveReplace'),$x[4]);
        $this->ret[]=$y;
        if($tmp2===null)return;
        $tmp=$this->ret;
        $this->ret=$tmp2;

        $this->ret[]=$x[1];
        $this->ret[]=$tmp;
        return '';
    }
}
$p=new Parser();
$p->loadTemplateFromString('bla <?name?> name <?/name?> bla bla <?$surname?> bla '.
    '<?middle?> mm <?/?> blah <?outer?> you <?inner?> are <?/?> inside <?/outer?>'.
    ' bobobo');
var_dump($p->ret);

输出：

array
  0 => string 'bla ' (length=4)
  1 => 
    array
      0 => string ' name ' (length=6)
  2 => string ' bla bla ' (length=9)
  3 => 
    array
      0 => string '' (length=0)
  4 => string ' bla ' (length=5)
  5 => 
    array
      0 => string ' mm ' (length=4)
  6 => string ' blah ' (length=6)
  7 => 
    array
      0 => string ' you ' (length=5)
      1 => 
        array
          0 => string ' are ' (length=5)
      2 => string ' inside ' (length=8)
  8 => string ' bobobo' (length=7)

Answer 2

如何将<?tag N ?>转换为<elem N >并将其解析为XML？

在您看到与您提到的结果相似的原始结构之后，您可以/将根据您的元素结构进行验证（即，确保项目在数字上相互内部等）。

只需添加一个文档元素，就可以使用此样式表进行设置：

编辑：在这些标签与HTML混合的事实出现之后，我想我会改变我的策略。请在说明之前先查看以下代码：

$data = '<b>H</b>ello <?tag?> <b>W</b>orld <?/tag?>';

$conv1 = array(
//  original => entity
    '<?tag'  => '%START-BEGIN%',
    '<?/tag' => '%START-END%'
    '?>'     => '%END-END%'
);

$conv2 = array(
//  entity          => xml
    '%START-BEGIN%' => '<element',
    '%START-END%'   => '</element'
    '%END-END%'     => '>'
);

$data = str_replace(array_keys($conv1), array_values($conv1), data);

$data = htmlentities($data, ENT_QUOTES); // encode HTML characters

$data = str_replace(array_values($conv2), array_keys($conv2), data);

$xml = '<?xml version="1.0" encoding="UTF-8"?>'.$data;

// You must apply the following function to each output text
// html_entity_decode($data,ENT_QUOTES);

使用正则表达式将递归标记转换为数组

2 个答案: