转义引号字符串的正则表达式在 php 的 preg_match_all 中不起作用

Question

我正在尝试匹配一段文本中的带引号的字符串，并允许在其中包含转义的引号。我在在线测试器中尝试了这个正则表达式，它运行良好。但是，当我在 preg_match_all 中尝试时，它在第一个转义字符串处失败。

代码如下：

$parStr = 'title="My Little Website"
    year="2007"
    description="Basic website with ..."
    tech="PHP, mySQL"
    link="<a href=\"http://test.com\">test.com</a>"
';
$matches = array();

preg_match_all('/(\w+)\s*=\s*"(([^\\"]*(\\.)?)*)"/', $parStr, $matches, PREG_SET_ORDER); // Match[4][0] is 'link="<a href=\"'

最后一次匹配失败，只匹配到第一个转义引号。当我在http://www.regexplanet.com/simple/index.html 尝试这个表达式时，它运行良好。

正则表达式的相关部分是：

"(([^\\"]*(\\.)?)*)"

应该吃掉所有导致转义引号或引号的文本，然后吃掉可选的转义引号，该过程重复0次或更多次，直到找到非转义引号，其中匹配完成.

为什么这在 php 中不起作用？为什么它不起作用，应该如何解决？

Answer 1

我在 Linux Fedora PHP 5.2.6 上尝试过，它似乎工作正常。输出是：

[wally@zf ~]$ php -f z.php
title="My Little Website"
    year="2007"
    description="Basic website with ..."
    tech="PHP, mySQL"
    link="<a href=\"http://test.com\">test.com</a>"

Answer 2

这样怎么样？

preg_match_all('/(\w+)\s*=\s*"((?:.*?\"?)*)"/', $parStr, $matches, PREG_SET_ORDER); 

它给了我这样的感觉

[1] => link
[2] => <a href=\"http://test.com\">test.com</a>

在 [] 内，一切都视为单个字符，

对于[^\\"]，不代表EXCEPT \"，而是代表EXCEPT \ AND EXCEPT "

更新同一行中的多个值

preg_match_all('/(\w+)\s*=\s*"((?:[^\\\]*?(?:\\\")?)*?)"/', $parStr, $matches, PREG_SET_ORDER); 

源字符串，样本

$parStr = 'title="我的小网站" 年份="2007" description="基本网站..." 技术="PHP, mySQL" 技术="PHP, mySQL" 链接="http://test.com\">test.com" 链接="http://test.com\">test.com" tech="PHP, mySQL" ';

匹配项，

Array
(
    [0] => Array
        (
            [0] => title="My Little Website"
            [1] => title
            [2] => My Little Website
        )

    [1] => Array
        (
            [0] => year="2007"
            [1] => year
            [2] => 2007
        )

    [2] => Array
        (
            [0] => description="Basic website with ..."
            [1] => description
            [2] => Basic website with ...
        )

    [3] => Array
        (
            [0] => tech="PHP, mySQL"
            [1] => tech
            [2] => PHP, mySQL
        )

    [4] => Array
        (
            [0] => tech="PHP, mySQL"
            [1] => tech
            [2] => PHP, mySQL
        )

    [5] => Array
        (
            [0] => link="<a href=\"http://test.com\">test.com</a>"
            [1] => link
            [2] => <a href=\"http://test.com\">test.com</a>
        )

    [6] => Array
        (
            [0] => link="<a href=\"http://test.com\">test.com</a>"
            [1] => link
            [2] => <a href=\"http://test.com\">test.com</a>
        )

    [7] => Array
        (
            [0] => tech="PHP, mySQL"
            [1] => tech
            [2] => PHP, mySQL
        )

)

就个人而言，我觉得用正则表达式解析 HTML，不是很喜欢，但我没有看到任何其他选项可以建议你，所以它只是一种快速而肮脏的方式。对于大项目或大文件，我建议你找到一个真正的解析器。

Answer 3

我不知道为什么它不适用于一个特定版本的 php，但是使用非贪婪匹配的想法，我想出了这个有效的字符串：

"(.*?[^\\\])"

它非贪婪地匹配所有内容，直到遇到一个前面没有转义字符的 dbl-quote。由于某些特殊原因，需要三个反斜杠，否则 php 会抱怨括号不匹配。我认为它的存在需要在括号前加上反斜杠，但我不确定。谁能确认为什么需要三个反斜杠？

/编辑空白限制