PHP PREG_REPLACE 根据检查的顺序返回错误的结果

Question

我偶然发现了一个与 PHP 的 preg_replace 函数和一些正则表达式模式有关的非常奇怪的错误。我想要做的是替换用括号分隔的自定义标签并将它们转换为 HTML。正则表达式必须考虑将保留在输出 HTML 中的自定义“填充”标签，以便在页面加载时可以即时替换它（例如替换为站点名称）。

每个正则表达式模式都会自行工作，但由于某种原因，如果先检查其他模式之一，其中一些会提前退出函数。当我偶然发现这一点时，我使用 preg_match 和一个 foreach 循环在继续之前检查模式，如果找到就会返回结果 - 所以假设它对每个模式来说都是新鲜的。

这也没有用。

检查代码：

function replaceLTags($originalString){
    $patterns = array(
                '#^\[l\]([^\s]+)\[/l\]$#i' => '<a href="$1">$1</a>',
                '#^\[l=([^\s]+)]([^\[]+)\[/l\]$#i'=> '<a href="$1">$2</a>',
                '#^\[l=([^\s]+) title=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" title="$2">$3</a>',
                '#^\[l=([^\s]+) rel=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" rel="$2">$3</a>',
                '#^\[l=([^\s]+) onClick=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" onClick="$2">$3</a>',
                '#^\[l=([^\s]+) style=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" style="$2">$3</a>',
                '#^\[l=([^\s]+) onClick=([^\[]+) style=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" onClick="$2" style="$3">$4</a>',
                '#^\[l=([^\s]+) class=([^\[]+) style=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" class="$2" style="$3">$4</a>',
                '#^\[l=([^\s]+) class=([^\[]+) rel=([^\[]+)] target=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" class="$2" rel="$3" target="$4">$5</a>'
            );

    foreach ($patterns as $pattern => $replace){
        if (preg_match($pattern, $originalString)){
            return preg_replace($pattern, $replace, $originalString);
        }
    }
}

$string = '[l=[site_url]/site-category/ class=hello rel=nofollow target=_blank]Hello there[/l]';

echo $alteredString = $format->replaceLTags($string);

上面的“字符串”会变成：

<a href="[site_url">/site-category/ class=hello rel=nofollow target=_blank]Hello there</a>

什么时候出现：

<a href="[site_url]/site-category/" class="hello" rel="nofollow" target="_blank">Hello there</a>

但如果将该模式在列表中进一步向上移动以便更快地检查，它的格式会正确。

我很难过，因为似乎每次检查字符串时都会以某种方式被覆盖，即使这没有意义。

Answer 1

在我看来，你做的工作比你需要做的要多得多。为什么不使用preg_replace_callback 在单独的步骤中处理属性，而不是为每个可能的属性列表使用单独的正则表达式/替换？例如：

function replaceLTags($originalString){
  return preg_replace_callback('#\[l=((?>[^\s\[\]]+|\[site_url\])+)([^\]]*)\](.*?)\[/l\]#',
                               replaceWithinTags, $originalString);
}

function replaceWithinTags($groups){
  return '<a href="' . $groups[1] . '"' . 
         preg_replace('#(\s+\w+)=(\S+)#', '$1="$2"', $groups[2]) .
         '>' . $groups[3] . '</a>';
}

查看完整演示 here（已更新；请参阅 cmets）。

以下是基于 cmets 中提供的新信息的代码更新版本：

function replaceLTags($originalString){
  return preg_replace_callback('#\[l=((?>[^\s\[\]]+|\[\w+\])+)([^\]]*)\](.*?)\[/l\]#',
                               replaceWithinTags, $originalString);
}

function replaceWithinTags($groups){
  return '<a href="' . $groups[1] . '"' . 
         preg_replace(
             '#(\s+[^\s=]+)\s*=\s*([^\s=]+(?>\s+[^\s=]+)*(?!\s*=))#',
             '$1="$2"', $groups[2]) .
         '>' . $groups[3] . '</a>';
}

demo

在第一个正则表达式中，我将[site_url] 更改为\[\w+\]，因此它可以匹配任何自定义填充标签。

这是第二个正则表达式的细分：

(\s+[^\s=]+)   # the attribute name and its leading whitespace
\s*=\s*
(
  [^\s=]+   # the first word of the attribute value
  (?>\s+[^\s=]+)*  # the second and subsequent words, if any
  (?!\s*=)  # prevents the group above from consuming tag names
)

最棘手的部分是匹配多词属性值。 (?>\s+[^\s=]+)* 将始终使用下一个标签名称（如果有的话），但前瞻迫使它回溯。通常它一次只回退一个字符，但原子组有效地强制它回溯整个单词或根本不回溯。

Answer 2

你搞砸了正则表达式。如果您在每次迭代中将字符串打印为：

foreach ($patterns as $pattern => $replace){
    echo "String: $originalString\n";
    if (preg_match($pattern, $originalString)){
        return preg_replace($pattern, $replace, $originalString);
    }
}

你会看到字符串没有被修改。从我的运行中，我注意到第二个正则表达式匹配。我在preg_match 调用中放置了第三个参数并打印了匹配项。这是我得到的：

Array (
    [0] => [l=[site_url]/site-category/ class=hello rel=nofollow target=_blank]Hello there[/l]
    [1] => [site_url
    [2] => /site-category/ class=hello rel=nofollow target=_blank]Hello there )

Answer 3

造成您眼前问题的原因有两个：

首先，适用的正则表达式（数组中的最后一个）中有一个错字。它在" target=" 之前有一个无关的文字右方括号。换句话说，这是：

'#^\[l=([^\s]+) class=([^\[]+) rel=([^\[]+)] target=([^\[]+)]([^\[]+)\[/l\]$#i'

应阅读：

'#^\[l=([^\s]+) class=([^\[]+) rel=([^\[]+) target=([^\[]+)]([^\[]+)\[/l\]$#i'

其次，数组中有两个正则表达式都匹配相同的字符串，不幸的是两者中更具体的一个（上面的正则表达式是我们想要的那个），排在第二位。另一个匹配的更通用的正则表达式是数组中的第二个：

'#^\[l=([^\s]+)]([^\[]+)\[/l\]$#i'

将更通用的正则表达式放在最后并删除无关的方括号可以解决问题。这是应用上述两项更改后修复的原始代码：

function replaceLTags($originalString){
    $patterns = array(
                '#^\[l\]([^\s]+)\[/l\]$#i' => '<a href="$1">$1</a>',
                '#^\[l=([^\s]+) title=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" title="$2">$3</a>',
                '#^\[l=([^\s]+) rel=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" rel="$2">$3</a>',
                '#^\[l=([^\s]+) onClick=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" onClick="$2">$3</a>',
                '#^\[l=([^\s]+) style=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" style="$2">$3</a>',
                '#^\[l=([^\s]+) onClick=([^\[]+) style=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" onClick="$2" style="$3">$4</a>',
                '#^\[l=([^\s]+) class=([^\[]+) style=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" class="$2" style="$3">$4</a>',
                '#^\[l=([^\s]+) class=([^\[]+) rel=([^\[]+) target=([^\[]+)]([^\[]+)\[/l\]$#i' => '<a href="$1" class="$2" rel="$3" target="$4">$5</a>',
                '#^\[l=([^\s]+)]([^\[]+)\[/l\]$#i'=> '<a href="$1">$2</a>'
            );

    foreach ($patterns as $pattern => $replace){
        if (preg_match($pattern, $originalString)){
            return preg_replace($pattern, $replace, $originalString);
        }
    }
}

$string = '[l=[site_url]/site-category/ class=hello rel=nofollow target=_blank]Hello there[/l]';

echo $alteredString = $format->replaceLTags($string);

请注意，这只修复了您问题中描述的直接特定错误，并没有解决您尝试完成的一些更基本的问题。我已经提出了一个更好的解决方案来回答您的后续问题：How do I make this REGEX ignore = in a tag's attribute?。

但正如其他人所提到的，将两种不同的标记语言混合在一起并使用正则表达式进行处理是自找麻烦。

Answer 4

这里有一些通用代码，您可以使用它们来减少表达式，您可以随时从最终字符串中删除任何不允许的标签。

<?php

function replaceLTags($originalString) {
    if (preg_match('#^\[l\]([^\s]+)\[/l\]$#i', $originalString)) {
        // match a link with no description or tags
        return preg_replace('#^\[l\]([^\s]+)\[/l\]$#i', '<a href="$1">$1</a>', $originalString);
    } else if (preg_match('#^\[l=([^\s]+)\s*([^\]]*)\](.*?)\[/l\]#i', $originalString, $matches)) {
        // match a link with title and/or tags
        $attribs = $matches[2];
        $attrStr = '';
        if (preg_match_all('#([^=]+)=([^\s\]]+)#i', $attribs, $attribMatches) > 0) {
            $attrStr = ' ';
            for ($i = 0; $i < sizeof($attribMatches[0]); ++$i) {
                $attrStr .= $attribMatches[1][$i] . '="' . $attribMatches[2][$i] . '" ';
            }
            $attrStr = rtrim($attrStr);
        }

        return '<a href="' . $matches[1] . '"' . $attrStr . '>' . $matches[3] . '</a>';
    } else {
        return $originalString;
    }
}

$strings = array(
    '[l]http://www.stackoverflow.com[/l]',
    '[l=[site_url]/site-category/ class=hello rel=nofollow target=_blank]Hello there[/l]',
    '[l=[site_url]/page.php?q=123]Link[/l]',
    '[l=http://www.stackoverflow.com/careers/ target=_blank class=default]Stack overflow[/l]'
);

foreach($strings as $string) {
    $altered = replaceLTags($string);
    echo "{$altered}<br />\n";
}