preg_replace_callback('#<(code|pre)([^>]*)>(((?!</?\1).)*|(?R))*</\1>#si', 'self::replaceit', $text);
?
我正在尝试替换 code/pre 标记之间的文本，它可以执行我想要的操作，但有时它会破坏页面。
我用几个文本样本对其进行了测试，其中一些包含大量 &amp; &lt; 等字符使浏览器停止显示页面并显示“连接已被远程服务器关闭”消息
【问题讨论】：
我想帮忙。我以前见过这个问题！
您的正则表达式在逻辑上看起来 A-Ok，但是当应用于较大的主题字符串时，它可能会导致大量递归回溯，这会导致 PCRE 引擎中的堆栈溢出。此溢出会导致分段错误和 PCRE 可执行文件（Apache 或 PHP）崩溃，而不会发出警告。 （症状是 "connection closed by remote server" 消息。）这种未处理的崩溃是由于 PHP 对 pcre.recursion_limit 参数的默认设置选择不当（默认为 100,000，即太高）。首先让我们看看这是否真的是问题的一部分。
将以下代码添加到您的脚本中：
// Place this at the top of the script
ini_set("pcre.recursion_limit", "524"); // 256KB stack. Win32 Apache
$re = '#<(code|pre)([^>]*)>(((?!</?\1).)*|(?R))*</\1>#si';
$text = preg_replace_callback($re, 'self::replaceit', $text);
// Check the return value for NULL which indicates a PCRE error.
if ($text === null) exit("PCRE Error! Subject too large or complex.");
有了这个，您应该不再收到“连接关闭”消息，而是 PCRE 错误退出消息。请注意，上述 524 设置适用于 Win32 Apache httpd.exe（具有 256KB 堆栈）。如果您在 *nix 服务器上运行，则可以将此值提高到 16777。这些数字背后的原因是 recursion _limit 值应设置为可执行文件堆栈大小除以 500。WIN32 可执行文件通常具有 256KB 堆栈和 *nix 可执行文件通常使用 8MB 堆栈构建。 Philip Hazel，（excellent PCRE 引擎的作者）已经详细解决了这个问题。见：pcrestack man page
完成此操作后，请回来报告，我会在下一阶段提供帮助...
（请注意，导致问题的不是 (?R) 表达式。稍后会详细说明。）
通过实施 Jeffrey Friedl 的 “Unrolling-the-Loop” 效率技术，可以显着改进正则表达式（在解决此问题和提高速度方面）。这将大大减少必要的回溯次数，并可能解决您的问题。这是您的正则表达式的改进（和彻底评论）版本。
$re = '% # Match an outermost PRE or CODE element.
( # $1: PRE/CODE element open tag
<(code|pre) # $2: Open tag name
[^>]*+> # Remainder of opening tag.
) # End $1: PRE/CODE element open tag.
( # $3: PRE/CODE element contents.
(?: # Group for contents alternatives
(?R) # Either a nested PRE or CODE element
| # Or non- <CODE, </CODE, <PRE or </PRE stuff.
[^<]*+ # Begin: {normal* (special normal*)*} construct
(?: # See: "Mastering Regular Expressions".
< # {special} Match a <, but only if it is
(?!/?\2) # not the start of a nested or closing tag.
[^<]*+ # match more {normal*}
)*+ # Finish "Unrolling the loop"
)*+ # Zero or more contents alternatives.
) # End $3: PRE/CODE element contents.
(</\2>) # $4: PRE/CODE element close tag
%ix';
然而，这个正则表达式的不同之处在于它使用了四个捕获组：$1 包含整个元素开始标记，$2 包含元素标记名称（用作反向引用），$3 包含元素内容，$4 包含元素结束标记。
【讨论】：
PCRE Error! Subject too large or complex.
<pre>/<code> 临时替换为[pre]/[code] 和不同的正则表达式模式：stackoverflow.com/questions/5527574/… :)
这段代码有什么问题吗？
是的。您正在尝试使用正则表达式解析 HTML。啧啧啧啧。我们还是不要summon Zalgo。
您应该使用DOM。
$doc = new DOMDocument();
$doc->loadHTML($text);
$code_tags = $doc->getElementsByTagName('code');
$pre_tags = $doc->getElementsByTagName('pre');
这将为您留下一组Node 列表，您可以根据需要处理其中的内容。如果遇到&lt; 和textContent 中的朋友（或使用saveXML 重新序列化内容时），并且需要实际标签，请考虑htmlspecialchars_decode。
获取$code_tags中的第一个和最后一个元素，即DOM Node List：
$first_code_tag = $code_tags->item(0);
$last_code_tag = $code_tags->item( $code_tags->length - 1 );
虽然您可以将节点列表视为foreach 内的数组，但它不能直接索引，因此需要检查长度属性和使用item 方法。请注意，当列表中只有一个项目时，第一个和最后一个节点将是相同的。值得庆幸的是，您只需检查$code_tags->length 是否大于一，然后再检查除第一个之外的最后一个。
我不确定这是否会对您有所帮助。根据您的其他问题，听起来您正在使用这种方法来处理 BBCode，并且您已经将方括号变成了小于和大于。请注意，这不是问题，但它可能会让生活变得有趣。
尝试检查以下输出：
echo $doc->saveXML($first_code_tag);
看看它是否为您提供了您期望的内容。
【讨论】：