Question

当我阅读this XKCD comic的alt（技术标题） - 文本时，我开始好奇维基百科中的每篇文章是否最终都指向哲学文章。所以我开始创建一个Web应用程序，显示它使用PHP“指向”的文章。

（PS：不要担心流量 - 因为我会私下使用它，不会向维基百科服务器发送太多请求）

为此，我必须删除括号和斜体之间的文本，并获取第一个链接。使用PHP Simple HTML DOM Parser可以实现其他目的，但删除括号中的文本是问题..

如果括号中没有括号，那么我可以使用此RegEx：\([^\)]+\)，但是，如the article about German language，有些文章重叠了括号（例如：German (Deutsch [ˈdɔʏtʃ] ( listen)) is..），并且以上RegEx无法处理这些情况，因为[^\)]*\)找到第一个结束括号，而不是匹配结束括号。（实际上，上面的情况不会成为一个问题，因为在两个右括号之间没有文本，但是当两个右括号之间存在链接时，它就成了一个大问题。）

我能想到的一个肮脏的解决方案是：

$s="content of a wikipedia article";$depth=0;$s2="";
for($i=0;$i<strlen($s);$i++){
    $c=substr($s,$i,1);
    if($c=='(')$depth++;
    if($c==')'){if($depth>0)$depth--;continue;}
    if($depth==0) $s2.=$c;
}
$s=$s2;

但是，我不喜欢这个解决方案，因为它将一个字符串减少为单个字符，看起来像是不必要的......

是否有其他方法可以删除一对（匹配）括号中的文字？

例如，我想制作这个文字：

blah(asdf(foo)bar(lol)asdf)blah

进入这个：

blahblah

但不是这样的：

blahbarasdf)blah

编辑：从EmilVikström的回答评论中，我意识到上述方法（删除括号中的文本）可能会删除包含括号的链接。但是，我仍然想要上述问题的答案，因为我之前遇到过类似的问题，我想知道答案......

所以我的问题仍然是：如何在匹配的括号中删除文本？

Answer 1

您可以查看recursive patterns，它应该可以解决问题。

当我阅读漫画时，我没有意志力去理解递归模式，所以我简化它以找到一个链接，然后检查它是否在括号中。这是我的解决方案：

  //Fetch links
  $matches = array();
  preg_match_all('!<a [^>]*href="/wiki/([^:"#]+)["#].*>!Umsi', $text, $matches);
  $links = $matches[1];
  //Find first link not within parenthesis
  $found = false;
  foreach($links as $l) {
    if(preg_match('!\([^)]+/wiki/'.preg_quote($l).'.+\)!Umsi', $text)) {
      continue;
    }else{
      $found = true;
      break;
    }
  }

这是我的整个脚本：http://lajm.eu/emil/dump/filosofi.phps

Answer 2

大！我正在看清有人在清理维基百科纯文本内容时遇到的问题。这是你如何使用它。

cleanBraces("blah(asdf(foo)bar(lol)asdf)blah", "(", ")")

将返回

blahblah

您可以传递任何类型的大括号。喜欢[和]或{和}

这是我的源代码。

function cleanBraces($source, $oB, $eB) {
    $finalText = "";
    if (preg_match("/\\$oB.*\\$eB/", $source) > 0) {
        while (preg_match("/\\$oB.*\\$eB/", $source) > 0) {
            $brace = getBracesPos($source, $oB, $eB);
            $finalText .= substr($source, 0, $brace[0]);
            $source = substr($source, $brace[1] + 1, strlen($source) - $brace[1]);
        }
        $finalText .= $source;
    } else {
        $finalText = $source;
    }
    return $finalText;
}

function getBracesPos($source, $oB, $eB) {
    if (preg_match("/\\$oB.*\\$eB/", $source) > 0) {
        $open = 0;
        $length = strlen($source);
        for ($i = 0; $i < $length; $i++) {
            $currentChar = substr($source, $i, 1);
            if ($currentChar == $oB) {
                $open++;
                if ($open == 1) { // First open brace
                    $firstOpenBrace = $i;
                }
            } else if ($currentChar == $eB) {
                $open--;
                if ($open == 0) { //time to wrap the roots
                    $lastCloseBrace = $i;
                    return array($firstOpenBrace, $lastCloseBrace);
                }
            }
        } //for
    } //if
}

如何删除“匹配”括号之间的文本？

2 个答案: