Question

preg_replace_callback('#<(code|pre)([^>]*)>(((?!</?\1).)*|(?R))*</\1>#si', 'self::replaceit', $text);

我正在尝试在代码/预标记之间替换文本，它会按照我想要的方式执行，但有时会破坏页面。

我使用一些文本示例对其进行了测试，其中一些包含大量& <等字符，使浏览器停止显示带有“远程服务器关闭的连接”消息的页面

Answer 1

我想帮忙。我以前见过这个问题！

你的正则表达式看起来逻辑上是A-Ok，但是当应用于一个大的主题字符串时，很可能导致大量的递归回溯，这导致PCRE引擎中的堆栈溢出。这种溢出会导致分段错误和PCRE可执行文件（Apache或PHP）崩溃，而不会发出警告。（症状是由远程服务器“消息关闭的”连接。）这种未处理的崩溃是由于PHP选择pcre.recursion_limit参数的默认设置（默认为100,000）这太高了。首先让我们看看这是否是问题的一部分。

将以下代码添加到您的脚本中：

// Place this at the top of the script ini_set("pcre.recursion_limit", "524"); // 256KB stack. Win32 Apache $re = '#<(code|pre)([^>]*)>(((?!</?\1).)*|(?R))*</\1>#si'; $text = preg_replace_callback($re, 'self::replaceit', $text); // Check the return value for NULL which indicates a PCRE error. if ($text === null) exit("PCRE Error! Subject too large or complex.");

有了这个，你就不应再得到“连接关闭”消息，而是PCRE错误退出消息。请注意，上面的524设置适用于Win32 Apache httpd.exe（堆栈为256KB）。如果您在* nix服务器上运行，则可以将此值提高到16777.这些数字背后的原因是recursion _limit值应设置为可执行堆栈大小除以500.WIn32可执行文件通常具有256KB堆栈和* nix可执行文件通常使用8MB堆栈构建。 Philip Hazel（优秀的 PCRE引擎的作者）已经详细解决了这个问题。请参阅：pcrestack man page

完成此操作后，请回复报告，我将为下一阶段提供帮助......

（请注意，导致问题的不是(?R)表达式。稍后会发生。）

通过实施Jeffrey Friedl的“Unrolling-the-Loop”效率技术，可以显着改善正则表达式（关于解决此问题并提高其速度）。这将大大减少必要的回溯次数，并可能解决您的问题。以下是正则表达式的改进版（并经过充分评论）。

$re = '% # Match an outermost PRE or CODE element. ( # $1: PRE/CODE element open tag <(code|pre) # $2: Open tag name [^>]*+> # Remainder of opening tag. ) # End $1: PRE/CODE element open tag. ( # $3: PRE/CODE element contents. (?: # Group for contents alternatives (?R) # Either a nested PRE or CODE element | # Or non- <CODE, </CODE, <PRE or </PRE stuff. [^<]*+ # Begin: {normal* (special normal*)*} construct (?: # See: "Mastering Regular Expressions". < # {special} Match a <, but only if it is (?!/?\2) # not the start of a nested or closing tag. [^<]*+ # match more {normal*} )*+ # Finish "Unrolling the loop" )*+ # Zero or more contents alternatives. ) # End $3: PRE/CODE element contents. (</\2>) # $4: PRE/CODE element close tag %ix';

但是，这个正则表达式的不同之处在于它使用了四个捕获组：$1包含整个元素开始标记，$2包含元素标记名称（用作后向引用），{{ 1}}包含元素内容，$3包含元素结束标记。

Answer 2

这段代码有什么问题吗？

是。您正在尝试使用正则表达式解析HTML。 Tsk，tsk，tsk。我们还不是summon Zalgo。

您应该使用DOM。

$doc = new DOMDocument();
$doc->loadHTML($text);
$code_tags = $doc->getElementsByTagName('code');
$pre_tags = $doc->getElementsByTagName('pre');

这将为您留下一组Node列表，您可以根据需要处理这些列表。如果您在textContent中遇到<和朋友（或使用saveXML重新序列化内容时），并且您需要实际标记，请考虑htmlspecialchars_decode。< / p>

获取$code_tags中的第一个和最后一个元素，即DOM Node List：

$first_code_tag = $code_tags->item(0);
$last_code_tag = $code_tags->item( $code_tags->length - 1 );

虽然您可以将节点列表视为foreach内的数组，但它不能直接转换，因此整个检查length属性和使用item方法。请注意，当列表中只有一个项目时，第一个和最后一个节点将是相同的。值得庆幸的是，除了第一个之外，您还可以检查$code_tags->length是否大于1。

我不确定这会对你有所帮助。基于你的其他问题，听起来你正在使用这种方法来处理BBCode，并且你已经将方括号变为小于和大于。注意，这不是问题，但它可能会让生活变得有趣。

尝试检查输出：

echo $doc->saveXML($first_code_tag);

看看它是否为您提供了您期望的内容。

PHP正则表达式：这段代码有什么问题吗？

2 个答案: