Question

我的preg_match_all语句出了问题。它一直在完美地工作，因为我一直打字一篇文章，但是在它通过一定长度之后突然停止了所有的工作。这是一个已知的问题，在这么多字符之后它只是没有任何吗？

$number = preg_match_all("/(<!-- ([\w]+):start -->)\n?(.*?)\n?(<!-- \\2:stop -->)/s", $data, $matches, PREG_SET_ORDER);

它一直工作得很好并且适用于其他页面，但是一旦那篇文章超过了一定长度，它就停止了那篇文章的工作。我可以使用另一种解决方案使其适用于更长的文本块吗？正在处理的文章长度约为33,000个字符（包括空格）。

之前我问过这样的问题，但只得到了一个我从未真正测试过的答案。上一次我刚刚找到另一种方法来解决这个特定情况，但这次没有办法绕过它，因为它只是一篇文章。我尝试将pcre.backtrack_limit和pcre.recursion_limit更改为甚至500,000，完全没有效果。关于为什么会发生这种情况还有什么其他的想法，以及我可以做些什么来让它继续工作，甚至对于这些大量的文本块？一个30,000个字符的限制似乎有点低，只有5,000-6,000个字（这个约为5,700个）。分开它并不是一个真正的选择，因为它不会找到开始和停止，如果它们在两个单独的文本块中。

Answer 1

我碰到过这一次，然后我能解决它的唯一方法是拆分字符串。您可以explode()或preg_split()。

从我的源代码中引用字面：

    // regexps have failed miserably on very large tables...
    $parts = explode("<table",$html);

但这是两年前的事。

Answer 2

看起来你正在使用HTML。您可能需要考虑使用各种解析器之一。例如，DOM有a specific class for comments，因此我们知道它可以与它们一起使用。不幸的是DOM使用起来有点尴尬。

另一种选择可能是使用XMLReader，它将XML作为流读取并在整个过程中将其作为令牌处理。它似乎明白了什么是评论。我自己从来没有用过它，所以我不能告诉你它有多好用。（您可以使用DOM的loadHTML和saveXML方法将HTML转换为XML，假设它不是太糟糕的形式。）

最后，您可以考虑为自定义注释编写tokenizer或parser。它应该不会太难，并且可能比你学习我已经指出的任何XML解决方案更快地进行攻击。

为什么preg_match_all会在这么多字符之后输出？

2 个答案: