正则表达式：匹配所有行中的子字符串，除非子字符串位于注释部分内

Question

我来啦：

我正在编写一个PHP应用程序，我有一个新的官方域名，现在所有的FAQ都在这里。 我脚本中的一些文件包含旧FAQ域的帮助链接，因此我想使用新域替换它们。 但是，我想保留链接到旧域的URL，只要它们位于注释或注释块下面（我仍然使用旧域进行自我引用和其他文档）。

所以，基本上，我想要实现的是一个正则表达式，它具有以下功能：

1. 匹配所有行中example.com的所有匹配项*。
2. 不匹配整行，只匹配example.com字符串。
3. • 如果行以// ， /*或“*”开头，则不匹配该单行中的任何example.com实例（但是，如果注释块在打开它的同一行中关闭，则可能会出现问题）。

我经常写这样的块评论：

/* text
 * blah 
 * blah
*/

这就是为什么我不想匹配“example.com”，如果它位于// ， /*或“*”之后。

我想它会是这样的：

^(?:(?!//|/\*|\s\*).?).*example\.com

但是这有一个问题：它匹配整行，而不仅仅是“example.com”（这会导致问题，主要是当两个或多个“example.com”字符串在一行中匹配时）。

有人可以帮我修复我的正则表达式吗？ 请注意：它不一定是PHP正则表达式，因为我总是可以使用像grepWin这样的工具来一次本地编辑所有文件。

哦， 请告诉我是否有办法以某种方式概括块注释，例如：找到/*在找到*/之前不匹配example.com 。 那将非常有用。 是否有可能实现一般（非语言相关）正则表达式？

Answer 1

一个正则表达式只匹配example.com如果它不在评论部分内（但不关心行注释，所以你必须单独执行此操作）：

$result = preg_replace(
    '%example\.com # Match example.com
    (?!            # only if it\'s not possible to match
     (?:           # the following:
      (?!/\*)      #  (unless an opening comment starts first)
      .            #  any character
     )*            # any number of times
     \*/           # followed by a closing comment.
    )              # End of lookahead
    %sx', 
    'newdomain.com', $subject);

Answer 2

我会使用某种标记器来区分评论和其他语言标记。

在处理PHP文件时，您应该使用PHP自己的tokenizer函数token_get_all ：

$tokens = token_get_all($source);

然后，您可以枚举标记并按类型分隔标记 ：

foreach ($tokens as &$token) {
    if (in_array($token[0], array(T_COMMENT, T_DOC_COMMENT, T_ML_COMMENT))) {
        // comment
    } else {
        // not a comment
        $token[1] = str_replace('example.com', 'example.net', $token[1]);
    }
}

最后，把一切都回到一起implode 。

对于您手边没有合适的标记器的其他语言，您可以编写自己的小标记器：

preg_match_all('~/\*.*?\*/|//(?s).*|(example\.com)|.~', $code, $tokens, PREG_SET_ORDER);
foreach ($tokens as &$token) {
    if (strlen($token[1])) {
        $token = str_replace('example.com', 'example.net', $token[1]);
    } else {
        $token = $token[0];
    }
}
$code = implode('', $tokens);

请注意，这不会考虑任何其他令牌，如字符串。 因此，如果它出现在字符串中，而且还在“评论”中，则不会匹配example.com ：

'foo /* not a comment example.com */ bar'