Question

我需要解析并处理推送到我们的webservice中的输入数据，作为来自第三方的（UTF-8）文本文件。输入文件包含一般形式的标签

<{ _N ('some_domain_id','this can be an arbitary string',{'a':'b','c':'d'}) }>
-- --   --------------   ------------------------------  -----------------  --
        ^                 ^                              ^
        i need to         |                              this part is 
        extract this      and this (payload)             optional

这些标签无论如何都可以出现在文本文件中，不能对它们的分布和标签之间的什么做出任何假设。此外，对于任何给定的有效标记，<{，_N和}>也会出现，但两者之间可能存在空格而不会中断这些值（例如<{和{{1}之间}）有了这些信息，我的初始测试集是有限的，我当前的实现是一个正则表达式以及_N

的结果分割

正则表达式,（示例：https://regex101.com/r/NuJD2V/1）
然后将结果匹配/<{\s*_N\s*$([^$]*)\)\s*}>?/g与'some_domain_id' , 'this can be an arbitary string',{'a':'b','c':'d'}
使用str_getcsv($match,',','\'','\\')结果的前两个部分，将其他结果视为可选
之后，str_getcsv和some_domain_id可以根据需要进行裁剪和处理

服务现在已经有一段时间了，我必须意识到尽管绝大多数标签都被正确捕获，但是有少量标签包含异常，并且无法被此实现识别。

警告（有效负载部分可能发生的事情）：

有效负载中的括号
有效负载this can be an arbitary string
_N调用的最外面括号后面的可选修饰符（见下文）

以下是我发现的一些无法解析或产生错误结果的样本标签（甚至比不识别更糟糕）。

\'

- 无法识别，请注意括号，它们可以出现在数据字符串的任何位置，它们甚至不需要平衡（例如：https://regex101.com/r/BCiaaj/1）

<{_N( 'some_domain_id' , 'this can ( be an arbitary ) string',{'a':'b','c':'d'})}>

无法识别，请注意_N元素最外侧括号后面的额外（可选）修饰符。修饰符可以包含不同的字母（e，r，w）和一个任意字符串参数，链运算符<{_N( 'some_domain_id' , 'this can be an arbitary string' {'a':'b','c':'d'})|e('modifier')}> <{_N( 'some_domain_id' , 'this can be an arbitary string')|e('modifier')}>周围也可能有空格（例如：https://regex101.com/r/XmR2uO/1）

在实验上，我已经尝试了一些其他正则表达式，但它们总是在我的扩展测试集中的一个或多个标记上失败，例如。

| - 捕获修饰符大小写，但在相关字符串中的括号上失败

所以我的问题是因为我不是真正的正则表达式专家

这是否可以用正则表达式解决？如果是这样，任何人都可以向我暗示正确的方向吗？
有没有更好的解决方案可以在vanilla php 7+中安装/使用一些外部库

非常感谢任何帮助！

Answer 1

您可以使用

<{\s*_N\s*\(\s*'([^\\']*(?:\\.[^\\']*)*)'\s*,\s*'([^\\']*(?:\\.[^\\']*)*)'\s*(.*?)}>

请参阅regex demo

<强>详情：

<{\s* - <{加0+空格
_N - 标签开始
\s*\(\s* - 包含0 +空格的(
'([^\\']*(?:\\.[^\\']*)*)' - 单引号字符串文字，可能包含转义的单引号和其他字符（内部内容被捕获到捕获组＃1中）
\s*,\s* - 包含0 +空格的,
'([^\\']*(?:\\.[^\\']*)*)' - 单引号字符串文字，可能包含转义的单引号和其他字符（内部内容被捕获到捕获组＃2中）
\s* - 0+ whitespaces
(.*?) - 在第一个
}> - 文字字符序列}>。

Answer 2

为什么你不能只检索你需要的部分（在单引号中）;

//example 1
$str = '<{_N( \'some_domain_id\' , \'this can ( be an arbitary ) string\',{\'a\':\'b\',\'c\':\'d\'})}>';
test_pregex($str);

//example 2
$str = '<{_N(\'some_domain_id\'      , \'this can ( be an arbitary ) string\'  ,{\'a\':\'b\',\'c\':\'d\'})}  >';
test_pregex($str);

//example 3
$str = '<{_N( \'some_domain_id\' , \'this can ( be an arbitary ) string\')|e(\'modifier\')}>';
test_pregex($str, '\'modifier\'');

function test_pregex($str, $optional = "{'a':'b','c':'d'}") {
    $re = '/\'([^\']*?)\'|(\{\'[^\']*?\'.+?})/m';
    preg_match_all($re, $str, $matches);
    $matches = $matches[0];
    var_export($matches);   
    assert($matches[0] == "'some_domain_id'");
    assert($matches[1] == "'this can ( be an arbitary ) string'");
    assert($matches[2] == $optional);
}

输出将是所有三种情况，没有断言警告。然后，您可以进一步处理所需内容。

如何在不同格式

2 个答案: