PHP PCRE - 正确的嵌套标签行为

Question

我想编写一个简单的（由一个 preg_replace 调用组成）论坛解析器，但我遇到了嵌套标签的问题。

例如，如果有人引用某人引用某人的话，我就无法实现正确的行为。

当有：

[quote=Tom]

[quote=Jerry]
Lorem
[/quote]

Ipsum

[/quote]

Dolor.

我想要这样的东西：

<blockquote>
    <p><strong>Tom wrote</strong></p>
    <blockquote>
       <p><strong>Jerry wrote:</strong></p>
      <p>Lorem</p>
    </blockquote>

    Ipsum
</blockquote>

Dolor.

我有这个代码：

preg_replace('~\[quote (.+)\](.+)\[/quote\]~is', '<blockquote><p><strong>$1</strong> wrote:</p><p>$2</p></blockquote>', $value);

这个版本是贪婪的。如果我有两个单独的 [quote] 块，则正则表达式会将第一个 [quote] 和第二个 [/quote] 之间的所有文本包装起来。

如果我添加 U 修饰符，那就太不贪心了 - 第一个 [quote] 标记与第一个（嵌套且不相关）[/quote]标签。

感谢您的帮助！

Answer 1

有 PEAR HTML_BBCodeParser 包，PHP 还有一个用于解析这样的代码的本机扩展，请检查这个例子： http://www.php.net/manual/en/ function.bbcode-create.php

Answer 2

不要为此使用正则表达式。使用提供的官方 PECL 扩展：

示例（从文档中提取）：

<?php
$arrayBBCode=array(
    ''=>         array('type' => BBCODE_TYPE_ROOT,  'childs' => '!i'),
    'i'=>        array('type' => BBCODE_TYPE_NOARG, 'open_tag' => '<i>',
                    'close_tag' => '</i>', 'childs' => 'b'),
    'url'=>      array('type' => BBCODE_TYPE_OPTARG,
                    'open_tag' => '<a href="{PARAM}">', 'close_tag' => '</a>',
                    'default_arg' => '{CONTENT}',
                    'childs' => 'b,i'),
    'img'=>      array('type' => BBCODE_TYPE_NOARG,
                    'open_tag' => '<img src="', 'close_tag' => '" />',
                    'childs' => ''),
    'b'=>        array('type'=>BBCODE_TYPE_NOARG, 'open_tag' => '<b>',
                    'close_tag' => '</b>'),
);

$text = <<<EOF
[b]Bold Text[/b]
[i]Italic Text[/i]
[url]http://www.php.net/[/url]
[url=http://pecl.php.net/][b]Content Text[/b][/url]
[img]http://static.php.net/www.php.net/images/php.gif[/img]
[url=http://www.php.net/]
[img]http://static.php.net/www.php.net/images/php.gif[/img]
[/url]
EOF;

$BBHandler = bbcode_create($arrayBBCode);
echo bbcode_parse($BBHandler, $text);
?>

完整的文档。

Answer 3

在递归正则表达式的帮助下：

function replace_quotes_callback($matches) {
    $cite = empty($matches[1]) ? '' : '<p><strong>' . $matches[1] . '</strong> wrote:</p>';
    return '<blockquote>' . $cite . '<p>' . replace_quotes($matches[2]) . '</p></blockquote>';
}

function replace_quotes($data) {
    return preg_replace_callback('~\[quote(?:=([^\]]+))?\]((?:(?R)|.)*?)\[/quote\]~s', 'replace_quotes_callback', $data);
}

该模式仅匹配最外层的引号块，并且回调函数 replace_quotes_callback 通过递归调用 replace_quotes 来替换自身内部的引号。