PHP RegEx匹配嵌套模式（可能的遞歸）

Question

我正在嘗試匹配可能嵌套的模式。
這是一些示例數據，我想在這些數據中提取{{ loop ... }元素內的內容：

<ul>
    {{ loop #users as #u }}
        <li>{{ #u.first_name }} {{ #u.last_name }}</li>
    {{ endloop }}
</ul>

我用此RegEx正確得到它：

/{{\s+loop\s+#([a-zA-Z_][a-zA-Z0-9_]*)((?:\.[a-zA-Z0-9_]+)*)\s+as\s+#([a-zA-Z_][a-zA-Z0-9_]*)\s+}}(.*){{\s+endloop\s+}}/sU

說明：

• /
• {{開環元素的開始
  • \\s+loop\\s+ loop關鍵字
  • #([a-zA-Z_][a-zA-Z0-9_]*)變量名（ 例如： #var ）
  • ((?:\\.[a-zA-Z0-9_]+)*)可選變量鍵（ 例如：#var .key ）
  • \\s+as\\s+ 作為關鍵字
  • #([a-zA-Z_][a-zA-Z0-9_]*)\\s+別名變量名稱（ 例如： #alias ）
• }}開環元素結束
• (.*)循環內容
• {{\\s+endloop\\s+}} 閉環元素
• /sU

---

失敗的地方

使用嵌套循環，我需要獲取第一級循環的內容（因為然后在我的項目中遞歸地解析內容）。 以下是一些示例數據：

 1| <ul>
 2|     {{ loop #users as #u }}
 3|         <li>
 4|             {{ #u.first_name }} {{ #u.last_name }}
 5|             <ul>
 6|                 {{ loop #u.friends as #f }}
 7|                     <li>{{ #f.first_name }} {{ #f.last_name }}</li>
 8|                 {{ endloop }}
 9|             </ul>
10|         </li>
11|     {{ endloop }}
12| </ul>
13| 
14| {{ loop #foo as #bar }}
15|     <a href="#">{{ #bar }}</a>
16| {{ endloop }}

使用此內容，模式將在遇到的第一個{{ endloop }}處停止（第2-8行）。
如果刪除U標志（不舒適），則無法使用多個循環，因為即使它們是不同的循環（第2-16行），它也會停止到最后一個{{ endloop }} 。
我有使用/m標志（多行）的模式的先前版本，但是它也失敗了，因為它只匹配最深層次的循環（第6-8行）。

我進行了很多嘗試（大多數是在regexr.com上完成的 ），但是看不到任何進展。 我搜索了有關“遞歸模式”的解決方案，發現的最佳結果是這個問題，但是經過多次嘗試，我無法使其適應我的項目。

---

• 是否有一個標志/標志組合為這種模式提供優先權？
• 我讀了一些有關(?R) RegEx中的遞歸的信息，但是還沒有成功使用它，這對我有幫助嗎？
• 顯而易見的最后一個問題：如何匹配第一級循環的全部內容？

我不僅在尋找解決方案，而且非常感謝了解如何解決這個問題。 鏈接到當前的RegexR： regexr.com/426fd

Answer 1

這是針對您的問題的性能解決方案（它需要幾百個步驟，而不是邪惡的上千個回溯步驟）：

{{\s+loop\s+#(\w+)[^#]*#(\w+)\s*}}(?:[^{]*+|(?R)|{+)*{{\s+endloop\s+}}

在這里觀看現場演示

RegExp細目：

• {{\\s+loop\\s+#(\\w+)[^#]*#(\\w+)\\s*}}匹配起始循環結構並捕獲散列詞
• (?:非捕獲組的開始
  • [^{]*+匹配{
  • | 要么
  • (?R)重復整個模式
  • | 要么
  • {+匹配任意數量的大括號
• )*盡可能匹配
• {{\\s+endloop\\s+}}匹配結尾結構

Answer 2

這是您當前模式的快速修復：

{{\s+loop\s+#([a-zA-Z_]\w*)((?:\.\w+)*)\s+as\s+#([a-zA-Z_]\w*)\s*}}((?:(?!{{\s+(?:end)?loop\s).|(?R))*){{\s+endloop\s+}}

請注意，您不需要U修飾符即可使此模式按預期運行，但是您仍然需要s修飾符. 匹配任何字符。

見正則表達式演示

主要區別在於將.*替換為(?:(?!{{\\s+(?:end)?loop\\s).|(?R))* 。 它與0個或多個重復匹配：

• (?!{{\\s+(?:end)?loop\\s). -任何沒有開始滿足以下模式的序列的char（ . ）：
  • {{ - {{子字符串
  • \\s+ -1+空格
  • (?:end)? -可選的end子字符串
  • loop loop子字符串
  • \\s空格
• | - 要么
• (?R) -整個正則表達式模式

此外，如果您不使用u修飾語或(*UCP) PCRE動詞，則[a-zA-Z0-9_]等於\\w ，因此可以稍微縮短整個模式。