正则表达式预匹配“有时”不正确

Question

我有一个带有正则表达式的 preg_match_all ，它应该获取 YouTube 的视频编号并将其放入数组中，因此 YouTube 视频越多，它生成的数组就越多。这是正确的结果：

C1

Array ( [0] => j5-yKhDd64s ) 1Array ( [0] => j5-yKhDd64s ) 1Array ( [0] => j5-yKhDd64s ) 1 

现在，我的问题是有时会发生这种情况：

C2

Array ( [0] => _dKtoRU7Tlk http://www.youtube.com/watch?v=_dKtoRU7Tlk http://www.youtube.com/watch?v=_dKtoRU7Tlk ) 1 

看到区别了吗？在C1处，它在数组中获取正确的视频ID，因此，C2抓取一个，然后失败并将其余部分放入数组中。

C1 youtube 链接如下：

http://www.youtube.com/观看？v=j5-yKhDd64s&feature=email&email=comment_reply_received http://www.youtube.com/watch?v=j5-yKhDd64s&feature=email&email=comment_reply_received http://www.youtube.com/watch?v =j5-yKhDd64s&feature=email&email=comment_reply_received

C2 youtube 链接如下：

http://www.youtube.com/watch?v=_dKtoRU7Tlk http://www.youtube.com/watch?v=_dKtoRU7Tlk http://www.youtube.com/watch?v=_dKtoRU7Tlk

区别在于C1 中有 &feature...。我认为这是因为我的正则表达式不是完全最优的？

    if (preg_match_all("#(?<=v=)[a-zA-Z0-9-]+(?=&)|(?<=[0-9]/)[^&\n]+|(?<=v=)[^&\n]+#", $content, $matches, PREG_SET_ORDER)) {
      foreach($matches as $m) {
   echo print_r($m);
      }
    }
    $nContent = preg_replace("#(?:https?://)?(?:www\.)?youtube\.com/(?:[^\s]*)#", '', $content);
    echo $nContent; 

我该如何解决这个问题？谢谢你！

Answer 1

您的正则表达式：

#(?<=v=)[a-zA-Z0-9-]+(?=&)|(?<=[0-9]/)[^&\n]+|(?<=v=)[^&\n]+#

归结为三个替代部分：

(?<=v=)[a-zA-Z0-9-]+(?=&)
(?<=[0-9]/)[^&\n]+
(?<=v=)[^&\n]+

(?<=...) 称为后向断言，在其中两个部分中，您会看到它查找 v=.

在第一个替代方案中，它查找 [a-zA-Z0-9-]+ 后跟 &。 （这是一个前瞻断言：(?=...)）

第二种选择在这种情况下不适用。

在第三种选择中，它会查找任何内容，直到命中 & 或 \n。

您的示例不适合其中任何一个。最简单的修复方法是将最后一部分更改为：

(?<=v=)[^&\n]+

以便

(?<=v=)[^&\s]+

它将停止匹配 & 或任何空格 (\s)。

或者更好的建议：只需重写整个内容，以正常方式真正解析 url，从而避免将来出现一些麻烦。

Answer 2

以下是 mvds 的回答和评论：

$parsed_url = parse_url("http://www.youtube.com/watch?v=j5-yKhDd64s&feature=email&email=comment_reply_received");
parse_str($parsed_url["query"],$output);
echo $output['v'];

Answer 3

编辑：这个可以找出任何 YouTube 视频链接，
更改了它，使其在空格、换行符或“&”处停止

希望这能给你一个开始

"{youtube.com/watch[?]v=([a-z0-9_-]*?)[^&\s]+}i"