使用正则表达式在注释块中查找和替换（部分）字符串答案

【问题标题】：Find and replace (part of) string in comment blocks with regex使用正则表达式在注释块中查找和替换（部分）字符串
【发布时间】：2013-08-06 15:39:43
【问题描述】：

我正在尝试查找可能出现在注释块中的某个字符串。该字符串可以是一个词，但它也可以是一个词的一部分。例如，假设我正在寻找“codex”这个词，那么这个词应该替换为“bindex”，但即使它是一个词的一部分，比如“codexing”。这应该改为“bindexing”。

诀窍是，只有当这个词在 comment 块内时才会发生这种情况。

/* Lorem ipsum dolor sit amet, codex consectetur adipiscing elit. */

This word --> codex should not be replaced

/* Lorem ipsum dolor sit 
 * amet, codex consectetur 
 * adipiscing elit. 
 */

/** Lorem ipsum dolor sit 
 * amet, codex consectetur 
 * adipiscing elit. 
 */

// Lorem ipsum dolor sit amet, codex consectetur adipiscing elit.

# Lorem ipsum dolor sit amet, codex consectetur adipiscing elit.

------------------- Below "codex" is part of a word -------------------

/* Lorem ipsum dolor sit amet, somecodex consectetur adipiscing elit. */

/* Lorem ipsum dolor sit 
 * amet, codexing consectetur 
 * adipiscing elit. 
 */

And here also, this word --> codex should not be replaced

/** Lorem ipsum dolor sit 
 * amet, testcodexing consectetur 
 * adipiscing elit. 
 */

// Lorem ipsum dolor sit amet, __codex consectetur adipiscing elit.

# Lorem ipsum dolor sit amet, codex__ consectetur adipiscing elit.

到目前为止，我所拥有的是这段代码：

$text = preg_replace ( '~(\/\/|#|\/\*).*?(codex).*?~', '$1 bindex', $text);

如您所见in this example，这并没有真正按照我想要的方式工作。当它位于多行 /* */ 注释块内时，它不会替换单词，有时它也会删除单词“codex”前面的所有文本。

如何改进我的正则表达式以使其符合我的要求？

【问题讨论】：

标签： php regex preg-replace

【解决方案1】：

像这样使用子组应该可以工作；

$str = preg_replace(
    '~(<!--[a-zA-Z0-9 \n]*)(MYWORD)([a-zA-Z0-9 \n]*-->)~s',
    '$1$3',
     $input
);

您只需为每种类型的评论创建一个单独的规则，并使用字符类限制评论中允许的可能字符（您可能更喜欢使用否定字符类）。

【讨论】：

这适用于 HTML cmets，每个评论块不会替换多个 codex。它也不包括换行符。
再次调用它，直到它没有返回匹配项。
如果你想在 cmets 中允许换行，你需要将它添加到字符类 '\n' 中，你真的应该用完整的代码来做这样的事情，而不是试图用正则表达式。通过使用.*，您将面临MYWORD 被识别和替换的风险。

【解决方案2】：

正如之前在不同的 cmets 中编写的数百、数千甚至数百万次一样，正则表达式不用于解析代码或在一个代码中搜索错误。

考虑以下示例：

// code to be replaced
var a = "/*code to be replaced*/";

/* code to be replaced
var b = "*/code to be replaced"; */

您无法使用 REGEX 解析代码（是的，找出字符串是否在注释块内称为解析）。

找到一个解析器库，或创建一个您自己的精简库。如果您确实创建了一个，请记住脚本的所有不同用例，尤其是字符串将如何影响您的代码。

【讨论】：

我不是在解析代码，而是在搜索一个以(/*|//|#) 开头的字符串。现代正则表达式语言无所不能。正如给定答案所证明的那样。这不是我要解析的 HTML 或 XML，也不是那些行中的任何内容。

【解决方案3】：

由于您在此处处理多行文本，您应该使用s 修饰符 (DOTALL) 来匹配多行文本。也不需要转义正斜杠。

试试这个代码：

$text = preg_replace ( '~(//|#|/\*).*?(codex).*?~s', '$1 bindex', $text );

【讨论】：

非常感谢，这似乎正是我想要的！ :)

【解决方案4】：

$text = preg_replace ( '~(//|#|/\*)(.*?)(codex).*?~s', '$1$2bindex', $text );

这不会像 anubhava 的回答那样删除“codex”之前的 cmets

【讨论】：

【解决方案5】：

[编辑] 我编辑了这个答案，因为尽管我当时天真无情，但我决定承认用简单或复杂的 preg_replace 解决这个问题是不可能的！对支持我的回答的好人深表歉意。[/EDIT]

回答这个问题：改进你的模式是不可能的，用preg_replace 根本不可能做到这一点！您必须为preg_replace_callback 构建一个匹配整个评论的模式，然后继续替换回调函数中出现的codex。

此版本可以处理任何类型的 cmets，并且不会因此类字符串 /**/ codex /**/ 或 /*xxxx codex codex xxxx*/ 或任何其他陷阱而失败。

$result = preg_replace_callback('~/\*.*?\*/|#\N+|//\N+~s', function($m) {
    return stri_replace('codex', 'bindex', $m[0]);
}, $subject);

请注意，除了这种模式更简单之外，它也很有效，因为交替的每个分支都是“锚定的”，因为它们以文字字符开头。因此，该模式受益于自动优化。

【讨论】：