正则表达式匹配 PHP 注释

Question

我一直在尝试使用正则表达式匹配 PHP cmets。

//([^<]+)\r\n

这就是我得到的，但它并没有真正起作用。

我也试过

//([^<]+)\r
//([^<]+)\n
//([^<]+)

……没用

Answer 1

这将匹配 PHP 中的 cmets（/* */ 和 // 格式）

/(\/\*).*?(\*\/)|(\/\/).*?(\n)/s

要获取所有匹配项，请使用 preg_match_all 获取匹配项数组。

Answer 2

要匹配 cmets，你必须认为 PHP 5 中有两种类型的 cmets：

• 以//开头并到行尾的cmets
• 以/* 开头并转到*/ 的cmets

首先考虑到这两行：

$filePath = '/home/squale/developpement/astralblog/website/library/HTMLPurifier.php';
$str = file_get_contents($filePath);

您可以将第一个匹配为：

$matches_slashslash = array();
if (preg_match_all('#//(.*)$#m', $str, $matches_slashslash)) {
    var_dump($matches_slashslash[1]);
}

第二个是：

$matches_slashstar = array();
if (preg_match_all('#/\*(.*?)\*/#sm', $str, $matches_slashstar)) {
    var_dump($matches_slashstar[1]);
}

但是你可能会在字符串(what about heredoc syntax, btw, did you think about that one ? ) 中间出现'//'，或者像这样的“toggle cmets”：

/*
echo 'a';
/*/
echo 'b';
//*/

（如果你不知道诀窍，只需在开头添加一个斜线以“切换”两个块）

所以... 仅使用正则表达式很难检测 cmets...

---

另一种方法是使用 PHP Tokenizer，它显然知道如何解析 PHP 代码和 cmets。

有关参考，请参阅：

• token_get_all
• List of Parser Tokens

这样，您将不得不在您的 PHP 代码字符串上使用标记器，迭代您获得的所有标记，并检测哪些是 cmets。

这样的事情可能会做：

$tokens = token_get_all($str);

foreach ($tokens as $token) {
    if ($token[0] == T_COMMENT
        || $token[0] == T_DOC_COMMENT) {
        // This is a comment ;-)
        var_dump($token);
    }
}

而且，作为输出，你会得到一个这样的列表：

array
  0 => int 366
  1 => string '/** Version of HTML Purifier */' (length=31)
  2 => int 57

或者这个：

array
  0 => int 365
  1 => string '// :TODO: make the config merge in, instead of replace
' (length=55)
  2 => int 117

（您“只是”可能会剥离 // 和 /* */，但这取决于您；至少，您已经提取了 cmets ^^）

如果你真的想检测 cmets 而不会因为“奇怪”的语法而出现任何奇怪的错误，我想这就是要走的路 ;-)

Answer 3

您在哪个程序中编写此正则表达式？如果您担心换行符不起作用，您的最后一个示例是一个很好的完整性检查。 （我不知道您为什么不允许在您的评论中使用小于；我假设这是特定于您的应用程序的。）

试试

//[^<]+

看看这是否有效。正如 Draemon 所说，你可能不得不逃离对角线。您可能还必须转义括号。我不知道你是否知道这一点，但括号通常用于括起来捕获组。最后，检查双斜杠后是否确实至少有一个字符。

Answer 4

您可能需要转义“//”：

\/\/([^<]+)