正则表达式在一个脚本中有效，在另一个脚本中无效答案

【问题标题】：Regular Expression Works In One Script and Doesn't In Another正则表达式在一个脚本中有效，在另一个脚本中无效
【发布时间】：2009-09-07 07:36:02
【问题描述】：

我在 PHP 中偶然发现了一个有趣的错误。基本上，我在下面看到了一个正则表达式，它在一个脚本（脚本 A）中工作正常，但在放入类并在脚本（脚本 B）中使用时无法工作。

我已经在 PHP 5.3 和 5.2 上测试过这个脚本。

脚本 A：
http://iamdb.googlecode.com/svn/trunk/testing.php

脚本 B：
使用正则表达式的类：http://iamdb.googlecode.com/svn/trunk/imdb/search/imdb_search_title.class.php
调用它的脚本：http://iamdb.googlecode.com/svn/trunk/examples/Search_Debug.php

正则表达式：

"#<br> aka <em>\"([^\"]*)\"</em>(?: -?,? ([^ ]*) (?:<em>\(([^\)]*)\)</em>)*)*#i"

谢谢。

根据要求，这里是脚本 B 的一些示例输出...

Array
(
    [0] => Array
        (
        )

    [1] => Array
        (
        )

    [2] => Array
        (
        )

    [3] => Array
        (
        )

    [INPUT] => <small>(TV series)</small>    <br>aka <em>"Hammer Time"</em> - USA <em>(working title)</em>
)

编号键来自 preg_match_all 调用，之后添加 INPUT 键以显示输入字符串。

【问题讨论】：

什么意思，无法工作？调用类成员的输入输出是什么？
附带说明，尝试使用正则表达式解析 XML/HTML 是个坏主意。
您提供了许多引人注目的选择。
我觉得骂人不太合适。

标签： php regex

【解决方案1】：

查看调试器，preg_replace_alls 的主题在类和 test.php 案例之间不匹配。

来自测试用例：

<small>(TV series)</small>    <br> aka <em>"Sledge Hammer: The Early Years"</em> - USA <em>(second season title)</em>

从类中调用时的实际主题：

<small>(TV series)</small>    <br>aka <em>"Hammer Time"</em> - USA <em>(working title)</em>

<br> 和 aka 之间没有空格。从正则表达式中取出那个空间，它就可以工作了。

【讨论】：

【解决方案2】：

正则表达式或将其嵌入类中没有任何问题。你说服自己你的测试情况是等价的，而实际上它们不是。在直接情况下，您发送的类版本的字符串，

<small>(TV series)</small>    <br>aka <em>"Hammer Time"</em> - USA <em>(working title)</em>

与正则表达式不匹配，因为正则表达式在<br> 和aka 之间需要一个空格。它的这个版本有效：

const REGEX_AKA = "#<br>\s*aka <em>\"([^\"]*)\"</em>(?: (?:-?)(?:,?) ([^ ]*) (?:<em>\(([^\)]*)\)</em>)*)*#i";

【讨论】：

【解决方案3】：

您是否尝试匹配 IMDB 上的实际搜索结果页面，例如 this one？在该页面上，"<br>" 和 "aka" 始终由实体引用分隔，以获取不间断空格：

<br>&#160;aka <em>

我不知道是否总是这样；您可能希望允许 whitepsace 的多种类型和表示形式，如下所示：

<br>(?:&(?:#(?:160|xA0)|nbsp);|\xA0|\s)*+aka

即零个或多个：NBSP 的实体引用（十进制、十六进制或命名）；一个真正的 NBSP；或标准的空白字符。

【讨论】：

是的，我在运行正则表达式之前解码了 HTML 实体。