我有一个网络服务，可以在css文件中重写网址，以便通过CDN提供服务。
css文件可以包含图像或字体的URL。
我目前有以下正则表达式来匹配css文件中的所有网址：
(url\(\s*([\'\"]?+))((?!(https?\:|data\:|\.\.\/|\/))\S+)((\2)\s*\))
但是，我现在想要引入对自定义字体的支持，并且需要定位@font-fontface中的网址：
@font-face {
font-family: 'FontAwesome';
src: url("fonts/fontawesome-webfont.eot?v=4.0.3");
src: url("fonts/fontawesome-webfont.eot?#iefix&v=4.0.3") format("embedded-opentype"), url("fonts/fontawesome-webfont.woff?v=4.0.3") format("woff"), url("fonts/fontawesome-webfont.ttf?v=4.0.3") format("truetype"), url("fonts/fontawesome-webfont.svg?v=4.0.3#fontawesomeregular") format("svg");
font-weight: normal;
font-style: normal;
}
然后我想出了以下内容：
@font-face\s*\{.*(url\(\s*([\'\"]?+))((?!(https?\:|data\:|\.\.\/|\/))\S+)((\2)\s*\))\s*\}
问题在于，这与所有内容相匹配，而不仅仅是内部的网址。我以为我可以这样使用lookbehind：
(?<=@font-face\s*\{.*)(url\(\s*([\'\"]?+))((?!(https?\:|data\:|\.\.\/|\/))\S+)((\2)\s*\))(?<=-\s*\})
不幸的是，PCRE（PHP使用的）不支持lookbehind中的变量重复，所以我被卡住了。
我不希望通过其扩展程序检查字体，因为某些字体的.svg扩展名可能会与.svg扩展名的图片冲突。
此外，我还想修改我的原始正则表达式以匹配不在@font-face范围内的所有其他网址：
.someclass {
background: url('images/someimage.png') no-repeat;
}
由于我无法使用lookbehinds，如何从@font-face中的网址和不在@font-face范围内的网址中提取网址？
答案 0 :(得分：11)
免责声明：您可能不使用图书馆，因为它比您想象的更难。我还想就如何匹配不在 @ font-face {} 中的网址开始这个答案。我还假设/定义括号 {} 在 @ font-face {} 中保持平衡。
注意：我将使用“〜”作为分隔符而不是“/”，这将使我不再在我的表达式中逃避。另请注意，我将从regex101.com发布在线演示，在该网站上我将使用 g 修饰符。您应该删除 g 修饰符，然后使用preg_match_all() 让我们使用一些正则表达式！
哦，是的，这可能听起来“很奇怪”，但你会在后来注意到为什么:)
我们在这里需要一些递归正则表达式：
@font-face\s* # Match @font-face and some spaces
( # Start group 1
\{ # Match {
(?: # A non-capturing group
[^{}]+ # Match anything except {} one or more times
| # Or
(?1) # Recurse/rerun the expression of group 1
)* # Repeat 0 or more times
\} # Match }
) # End group 1
我们将在前一个正则表达式之后使用(*SKIP)(*FAIL)，它会跳过它。请参阅this answer以了解其工作原理。
我们会使用这样的东西：
url\s*\( # Match url, optionally some whitespaces and then (
\s* # Match optionally some whitespaces
("|'|) # It seems that the quotes are optional according to http://www.w3.org/TR/CSS2/syndata.html#uri
(?!["']?(?:https?://|ftp://)) # Put your negative-rules here (do not match url's with http, https or ftp)
(?:[^\\]|\\.)*? # Match anything except a backslash or backslash and a character zero or more times ungreedy
\2 # Match what was matched in group 2
\s* # Match optionally some whitespaces
\) # Match )
请注意，我正在使用\2因为我已将此附加到包含组1的前一个正则表达式。
Here使用了("|')(?:[^\\]|\\.)*?\1。
您可能已经猜到我们需要使用一些外观 - 问题，因为它需要固定长度，所以问题在于后视。我有一个解决方法，我将向您介绍\K转义序列。它会将匹配的开头重置为令牌列表中的当前位置。 more-info
好吧，让我们在我们的表达式中放置\K并使用前瞻，我们的最终正则表达式将是：
@font-face\s* # Match @font-face and some spaces
( # Start group 1
\{ # Match {
(?: # A non-capturing group
[^{}]+ # Match anything except {} one or more times
| # Or
(?1) # Recurse/rerun the expression of group 1
)* # Repeat 0 or more times
\} # Match }
) # End group 1
(*SKIP)(*FAIL) # Skip it
| # Or
url\s*\( # Match url, optionally some whitespaces and then (
\s* # Match optionally some whitespaces
("|'|) # It seems that the quotes are optional according to http://www.w3.org/TR/CSS2/syndata.html#uri
\K # Reset the match
(?!["']?(?:https?://|ftp://)) # Put your negative-rules here (do not match url's with http, https or ftp)
(?:[^\\]|\\.)*? # Match anything except a backslash or backslash and a character zero or more times ungreedy
(?= # Lookahead
\2 # Match what was matched in group 2
\s* # Match optionally some whitespaces
\) # Match )
)
我们需要转义一些内容，如引号，反斜杠\\\\ = \，使用正确的函数和正确的修饰符：
$regex = '~
@font-face\s* # Match @font-face and some spaces
( # Start group 1
\{ # Match {
(?: # A non-capturing group
[^{}]+ # Match anything except {} one or more times
| # Or
(?1) # Recurse/rerun the expression of group 1
)* # Repeat 0 or more times
\} # Match }
) # End group 1
(*SKIP)(*FAIL) # Skip it
| # Or
url\s*\( # Match url, optionally some whitespaces and then (
\s* # Match optionally some whitespaces
("|\'|) # It seems that the quotes are optional according to http://www.w3.org/TR/CSS2/syndata.html#uri
\K # Reset the match
(?!["\']?(?:https?://|ftp://)) # Put your negative-rules here (do not match url's with http, https or ftp)
(?:[^\\\\]|\\\\.)*? # Match anything except a backslash or backslash and a character zero or more times ungreedy
(?= # Lookahead
\2 # Match what was matched in group 2
\s* # Match optionally some whitespaces
\) # Match )
)
~xs';
$input = file_get_contents($css_file);
preg_match_all($regex, $input, $m);
echo '<pre>'. print_r($m[0], true) . '</pre>';
我想在2个正则表达式中执行此部分，因为在递归正则表达式中处理大括号@font-face {}的状态时匹配{}内的URL是很痛苦的。
既然我们已经拥有了我们需要的部分，我们只需要在一些代码中应用它们：
@font-face {}个实例$results = array(); // Just an empty array;
$fontface_regex = '~
@font-face\s* # Match @font-face and some spaces
( # Start group 1
\{ # Match {
(?: # A non-capturing group
[^{}]+ # Match anything except {} one or more times
| # Or
(?1) # Recurse/rerun the expression of group 1
)* # Repeat 0 or more times
\} # Match }
) # End group 1
~xs';
$url_regex = '~
url\s*\( # Match url, optionally some whitespaces and then (
\s* # Match optionally some whitespaces
("|\'|) # It seems that the quotes are optional according to http://www.w3.org/TR/CSS2/syndata.html#uri
\K # Reset the match
(?!["\']?(?:https?://|ftp://)) # Put your negative-rules here (do not match url\'s with http, https or ftp)
(?:[^\\\\]|\\\\.)*? # Match anything except a backslash or backslash and a character zero or more times ungreedy
(?= # Lookahead
\1 # Match what was matched in group 2
\s* # Match optionally some whitespaces
\) # Match )
)
~xs';
$input = file_get_contents($css_file);
preg_match_all($fontface_regex, $input, $fontfaces); // Get all font-face instances
if(isset($fontfaces[0])){ // If there is a match then
foreach($fontfaces[0] as $fontface){ // Foreach instance
preg_match_all($url_regex, $fontface, $r); // Let's match the url's
if(isset($r[0])){ // If there is a hit
$results[] = $r[0]; // Then add it to the results array
}
}
}
echo '<pre>'. print_r($results, true) . '</pre>'; // Show the results
<子> <子> Join the regex chatroom !
答案 1 :(得分：4)
您可以使用：
$pattern = <<<'LOD'
~
(?(DEFINE)
(?<quoted_content>
(["']) (?>[^"'\\]++ | \\{2} | \\. | (?!\g{-1})["'] )*+ \g{-1}
)
(?<comment> /\* .*? \*/ )
(?<url_skip> (?: https?: | data: ) [^"'\s)}]*+ )
(?<other_content>
(?> [^u}/"']++ | \g<quoted_content> | \g<comment>
| \Bu | u(?!rl\s*+\() | /(?!\*)
| \g<url_start> \g<url_skip> ["']?+
)++
)
(?<anchor> \G(?<!^) ["']?+ | @font-face \s*+ { )
(?<url_start> url\( \s*+ ["']?+ )
)
\g<comment> (*SKIP)(*FAIL) |
\g<anchor> \g<other_content>?+ \g<url_start> \K [./]*+
( [^"'\s)}]*+ ) # url
~xs
LOD;
$result = preg_replace($pattern, 'http://cdn.test.com/fonts/$8', $data);
print_r($result);
测试字符串
$data = <<<'LOD'
@font-face {
font-family: 'FontAwesome';
src: url("fonts/fontawesome-webfont.eot?v=4.0.3");
src: url(fonts/fontawesome-webfont.eot?#iefix&v=4.0.3) format("embedded-opentype"),
/*url("fonts/fontawesome-webfont.woff?v=4.0.3") format("woff"),*/
url("http://domain.com/fonts/fontawesome-webfont.ttf?v=4.0.3") format("truetype"),
url('fonts/fontawesome-webfont.svg?v=4.0.3#fontawesomeregular') format("svg");
font-weight: normal;
font-style: normal;
}
/*
@font-face {
font-family: 'Font1';
src: url("fonts/font1.eot");
} */
@font-face {
font-family: 'Fon\'t2';
src: url("fonts/font2.eot");
}
@font-face {
font-family: 'Font3';
src: url("../fonts/font3.eot");
}
LOD;
为了更具可读性，该模式被分为命名子模式。 (?(DEFINE)...)与任何内容都不匹配，它只是一个定义部分。
这种模式的主要技巧是使用\G锚意味着：字符串的开头或先前匹配。我添加了一个负面的lookbehind (?<!^)来避免这个定义的第一部分。
<anchor>命名子模式是最重要的，因为它仅在找到@font-face {时或在网址结束后立即允许匹配（这就是为什么你可以看到{{1}的原因}}）。
["']?+表示所有不是网址部分，但匹配必须跳过的网址部分（以“http：”，“data：”开头的网址）。此子模式的重要细节是它不能与@ font-face的结束花括号匹配。
<other_content>的使命只与<url_start>匹配。
url("重置匹配结果之前匹配的所有子字符串。
\K匹配网址（唯一保留在匹配结果中的领先([^"'\s)}]*+)）
由于./../和url子模式无法匹配<other_content>（在引用或注释部分之外），因此您肯定永远不会匹配@ font-face定义之外的内容，第二个结果是模式总是在最后一个URL后失败。因此，在下一次尝试时，“连续分支”将失败，直到下一个@ font-face。
主模式以}开头，以跳过评论\g<comment> (*SKIP)(*FAIL) |中的所有内容。 /*....*/指的是描述注释外观的基本子模式。如果模式在他的右边失败，\g<comment>禁止重试之前匹配的子字符串（在他的左边，由(*SKIP)）。 g<comment>迫使模式失败。
有了这个技巧，将跳过注释并且不是匹配结果（因为模式失败）。
<强> quoted_content：
在(*FAIL)中使用它以避免匹配引号内的<other_content>或url(。
/* other_content： 所有不是结束花括号，或没有(["']) # capture group: the opening quote
(?> # atomic group: all possible content between quotes
[^"'\\]++ # all that is not a quote or a backslash
| # OR
\\{2} # two backslashes: (two \ doesn't escape anything)
| # OR
\\. # any escaped character
| # OR
(?!\g{-1})["'] # the other quote (this one that is not in the capture group)
)*+ # repeat zero or more time the atomic group
\g{-1} # backreference to the last capturing group
或http: 的网址
data:<强>锚
(?> # open an atomic group
[^u}/"']++ # all character that are not problematic!
|
\g<quoted_content> # string inside quotes
|
\g<comment> # string inside comments
|
\Bu # "u" not preceded by a word boundary
|
u(?!rl\s*+\() # "u" not followed by "rl(" (not the start of an url definition)
|
/(?!\*) # "/" not followed by "*" (not the start of a comment)
|
\g<url_start> # match the url that begins with "http:"
\g<url_skip> ["']?+ # until the possible quote
)++ # repeat the atomic group one or more times
您可以改进主要模式：
在@ font-face的最后一个url之后，正则表达式引擎尝试与\G(?<!^) ["']?+ # contiguous to a precedent match with a possible closing quote
| # OR
@font-face \s*+ { # start of the @font-face definition
的“连续分支”匹配并匹配所有字符，直到导致该模式失败的<anchor>为止。然后，在每个相同的字符上，正则表达式引擎必须尝试两个分支或}（这将永远失败，直到<anchor>。
要避免这些无用的尝试，您可以将主模式更改为：
}使用这个新方案，最后一个网址后面的第一个字符与“连续分支”匹配，\g<comment> (*SKIP)(*FAIL) |
\g<anchor> \g<other_content>?+
(?>
\g<url_start> \K [./]*+ ([^"'\s)}]*+)
|
} (*SKIP)(*FAIL)
)
匹配所有字符，直到\g<other_content>，}立即失败，{{ 1}}匹配，\g<url_start>使模式失败，禁止重试这些字符。