WordPress：简码正则表达式的问题答案

【问题标题】：WordPress: Problem with the shortcode regexWordPress：简码正则表达式的问题
【发布时间】：2011-02-03 14:01:51
【问题描述】：

这是用于 WordPress 中“短代码”的正则表达式（一个用于整个标签，另一个用于属性）。

return '(.?)\[('.$tagregexp.')\b(.*?)(?:(\/))?\](?:(.+?)\[\/\2\])?(.?)';
$pattern = '/(\w+)\s*=\s*"([^"]*)"(?:\s|$)|(\w+)\s*=\s*\'([^\']*)\'(?:\s|$)|(\w+)\s*=\s*([^\s\'"]+)(?:\s|$)|"([^"]*)"(?:\s|$)|(\S+)(?:\s|$)/';

它会解析类似的东西

[foo bar="baz"]content[/foo]

或

[foo /]

在 WordPress trac 中，他们说它有点缺陷，但我的主要问题是它不支持属性内的短代码，例如

[foo bar="[baz /]"]content[/foo]

因为正则表达式会在第一次出现右括号时停止主简码，所以在示例中它呈现

[foo bar="[baz /]

和

"]content[/foo]

按原样显示。

是否有任何方法可以更改正则表达式，使其绕过任何出现的 [ 和 ] 及其在开始标记或自闭标记之间出现的内容？

【问题讨论】：

我们在哪里可以找到这个正则表达式？如果我们能确切地看到它是如何被使用的，那将会很有帮助。
没关系，我找到了：xref.yoast.com/2.8/wp-includes/shortcodes.php.source.html#l45

标签： php regex wordpress

【解决方案1】：

你的目标是什么？即使 WordPress 的正则表达式更好，也不会执行短代码。

【讨论】：

【解决方案2】：

return '(.?)\[('.$tagregexp.')\b((?:"[^"]*"|.)*?)(?:/)?\](?:(.+?)\[\/\2\])?(.?)';

是第一个正则表达式的变体，其中匹配属性的位已更改为完全捕获字符串而不考虑其中的内容：

(?:"[^"]*"|.)*?

而不是

.*?

请注意，它不处理其中包含转义引号字符的字符串（但是 - 可以这样做，但有必要吗？）。我没有更改任何其他内容，因为我不知道 WordPress 短代码的语法。

但看起来它可以通过删除不必要的反斜杠和括号来稍微清理一下：

return '(.?)\[(foo)\b((?:"[^"]*"|.)*?)/?\](?:(.+?)\[/\2\])?(.?)';

也许需要进一步改进。我有点担心上面 sn-p 中不精确的点，我宁愿使用(?:"[^"]*"|[^/\]])* 而不是(?:"[^"]*"|.)*?，但我不知道这是否会破坏其他东西。另外，我不知道(.?) 的前导和尾随有什么好处。它们与您的示例中的任何内容都不匹配，因此我不知道它们的目的。

【讨论】：

【解决方案3】：

您想要替换该正则表达式吗？这一个允许属性值包含看起来像标签的东西，如您的示例中所示：

'(.?)\[(\w+)\b((?:[^"\'\[\]]++|(?:"[^"]*+")|(?:\'[^\']*+\'))*+)\](?:(?<=(\/)\])|([^\[\]]*+)\[\/\2\])(.?)'

或者，以更易读的形式：

/(.?)              # could be [
 \[(\w+)\b         # tag name
 ((?:[^"'\[\]]++   # attributes
    |(?:"[^"]*+")
    |(?:'[^']*+')
  )*+
 )\]
 (?:(?<=(\/)\])   # '/' if self-closing
   |([^\[\]]*+)   # ...or content
    \[\/\2\]      # ...and closing tag
 )(.?)            # could be ]
/

据我了解，原版中的$tagregexp 是已定义的所有标签名称的替代；我用\w+ 代替了可读性。原始正则表达式捕获的所有内容，这个也是，并且在同一组中。唯一的区别是自闭合标签中的/ 与属性一起被捕获在组#3 以及它自己的组（#4）中。

我认为不需要更改其他正则表达式，除非您想添加对嵌入属性值的标签的完全支持。这也意味着允许在这个中使用转义引号，我不知道你会怎么做。我的猜测是加倍它们。 Textpattern 就是这么干的，而 WordPress 应该就是以此为基础的。

这个问题很好地说明了为什么不应使用正则表达式来实现像 WordPress 这样的应用程序。添加或更改功能的唯一方法是使正则表达式变得更大、更难看，甚至更难维护。

【讨论】：

我尝试替换整个正则表达式，并且短代码显示为文本。我尝试仅使用第 3 组和正常的简码运行，但是当简码中有简码时，只有里面的简码运行，而周围的简码显示为文本。

【解决方案4】：

我找到了解决方法：首先，将简码正则表达式从：

(.?)\[('.$tagregexp.')\b(.*?)(?:(\/))?\](?:(.+?)\[\/\2\])?(.?)

收件人：

(.?)\[('.$tagregexp.')\b((?:[^\[\]]|(?R)|.)*?)(?:(\/))?\](?:(.+?)\[\/\2\])?(.?)

然后更改 do_shortcode 函数的优先级以避免与 wptexturize 冲突，wptexturize 是样式化引号并搞砸此修复的函数。 wpautop 没有问题，因为我认为最近的另一个功能已经解决了这个问题。

之前：

add_filter('the_content', 'do_shortcode', 11); // AFTER wpautop()

之后：

add_filter('the_content', 'do_shortcode', 9);

我将此提交给了 trac，并且处于某种永久中断状态。与此同时，我想如果我可以制作一个插件来应用我的修复而不更改核心文件。覆盖过滤器优先级很容易，但我不知道如何覆盖正则表达式。

【讨论】：

【解决方案5】：

这会很好解决！我没有足够的代表发表评论，所以我留下以下相关的 wordpress trac 链接，也许它与您的意思相同： http://core.trac.wordpress.org/ticket/14481

我希望任何修复都允许类似的短代码语法

[shortcode att1="val]ue"]content[/shortcode]

由于在 3.0.1 中 $content 被错误解析为 ue"]content 而不仅仅是 content

更新：在花时间学习了 regices（正则表达式？）之后，我可以允许 ] 和 Pascal 风格的转义引号（例如 arg='that''s [so] great'）在这些参数中进行 2 处更改：首先将第一个正则表达式 (get_shortcode_regex) 中的 (.*?) 组更改为

((?:[^'"\]]|'[^']*'|"[^"]*")*)

（注意：确保您在 php 代码中正确转义所有内容）然后在 shortcode_parse_atts（包含第二个正则表达式的函数）中更改以下内容（再次，如果您单引号 @ 将 ' 更改为 \' 987654329@ 和原代码一样）

在 $pattern 中将 "([^"]*)" 更改为 "((?:[^"]|"")*)" 在 $pattern 中将 '([^']*)' 更改为 '((?:[^']|'')*)' $atts[strtolower($m[1])] = preg_replace('_""_', '"', stripcslashes($m[2])); $atts[strtolower($m[3])] = preg_replace("_''_", "'", stripcslashes($m[4]));

再次注意：对模式的更改可能依赖于匹配的贪婪性质，因此如果该选项发生更改，$pattern 的更改位可能必须以(?!") 之类的方式终止，等等

【讨论】：