嵌套引号内的子模式正则表达式匹配

Question

我正在从一些旧的论坛软件升级，其中包含许多不必要的嵌套 [QUOTE] 标签，我想通过正则表达式（使用 PHP preg_replace）去除这些标签。其中大部分已经完成，但我正在努力处理以下类型。

帖子中有嵌套的引用块，但只需要保留顶级 [QUOTE] 内容（因为一些嵌套引用的深度为 3 或 4 级）。

例如：

Here is some normal post content

[QUOTE]
This is an appropriate quote
[/QUOTE]

Here is more post content

[QUOTE]
This is a a valid quote, as it's only 1 level deep.
   [QUOTE="User 2"]
   Here's an unnecessary nested quote.
       [QUOTE]
       Here's a 3nd level unnecessary nested quote.
       [/QUOTE]
   [/QUOTE]
[/QUOTE]

Here is more post content

我想去掉第 2 级和第 3 级嵌套引号，但不知道如何。

我对@9​​87654321@ 有一些很好的建议，但是我无法修改正则表达式模式以适应这个例子。

Answer 1

与您链接的正则表达式具有相同的限制（引号内没有其他标签），您可以使用

((?:\[QUOTE\]|\G(?!^))[^][]+)((\[QUOTE[^][]*\](?:[^][]++|(?2))++\[/QUOTE\])) 

搜索，然后$1 仅替换嵌套引号。

这基本上匹配单独组中的最外引号，并且仅匹配递归中的内部引号，因此只允许删除它们。

见https://regex101.com/r/y39Xaf/2

我在一个外部引号内添加了一个带有两个不同引号的测试用例。

((?:\[QUOTE\]|\G(?!^))[^][]+) 的小故障：

• 所有内容都包含在捕获组中以允许重新插入
• (?:\[QUOTE\]|\G(?!^) 匹配文字 [QUOTE] 或上一个匹配的结尾
• [^][]+ 匹配任何普通文本

Answer 2

是的，您可以使用链接答案中的相同正则表达式，并结合一些编程逻辑应用它两次：

<?php

$regex = '~
        (\[QUOTE[^][]*\]
        (?:[^][]++|(?1))++
        \[/QUOTE\])
        ~x';

$data = preg_replace_callback($regex, 
    function($match) use($regex) {
        return $match[0][0] . preg_replace($regex, '', substr($match[0], 1));
    },
    $your_data_string_here);

echo $data;
?>

---

这为您的示例产生：

Here is some normal post content

[QUOTE]
This is an appropriate quote
[/QUOTE]

Here is more post content

[QUOTE]
This is a a valid quote, as it's only 1 level deep.

[/QUOTE]

Here is more post content

---

这里的想法是匹配每个引号标记（是否嵌套），然后将相同的表达式应用于匹配的字符串，但偏移量为 +1。当我们取一个子字符串时，只会找到下一个嵌套的[QUOTE] 集合然后替换。

demo on regex101.com 和 on ideone.com 进一步阐明了这一点。