preg_replace 多行匹配但保留新行
preg_replace multiline match but preserve new lines
我需要一个从 HTML 文件中修剪 PHP 的衬纸。诀窍是我还需要它来保留之前由 PHP 行占用的换行符。
php -r "echo preg_replace('/<\\?.*(\\?>|$)/Us','', file_get_contents($argv[1]));" -- "./index.php"
这个"works"但是不保留新行，例如：
<html><?php test(); ?>
<head>
<?php test();
?>
</head>
<body>
</body>
<html>
解析为：
<html>
<head>
</head>
<body>
</body>
<html>
但我需要它来解决：
<html>
<head>
</head>
<body>
</body>
<html>
也许我正在使用锤子来拧螺丝，但我想做的是删除 PHP 代码，运行 通过 htmlhint 得到结果，并使报告的行号与文件中的行。
如果有更好的解决方案，我很想听听。最终目标是用它们各自的 linters 对混合了 PHP、Javascript 和 HTML 的文件进行 lint。
简介
正则表达式绝对不是这个问题的最佳答案，但由于您正在寻找正则表达式形式的答案，这里有！
注意：如果注释或字符串包含 <?.
，这将中断
代码
(?:\G(?!\A)|\h*(?=<\?))(.*(?=(?:(?!<\?)[\s\S])*?(?<=\?>)))
结果
输入
<html><?php test(); ?>
<head>
<?php test();
?>
</head>
<body>
</body>
<html>
输出
<html>
<head>
</head>
<body>
</body>
<html>
说明
(?:\G(?!\A)|\h*(?=<\?)) 匹配以下任一选项
\G(?!\A)
\G 断言位置在上一个匹配的末尾或第一个匹配的字符串的开头(?!\A) 否定前瞻断言后面的内容不是字符串的开头（这基本上使 \G 仅匹配上一个匹配项的结尾）
\h*(?=<\?)匹配以下
\h*匹配任意数量的水平空格（用于清理<?(?=<\?) 正面前瞻确保以下匹配
<按字面意思匹配小于号<\?按字面意思匹配问号字符?
(.*(?=(?:(?!<\?)[\s\S])*?(?<=\?>))) 将以下内容捕获到捕获组 1
.* 匹配任意字符（行终止符除外）任意次数(?=(?:(?!<\?)[\s\S])*?(?<=\?>)) 正向前瞻确保后续匹配
(?:(?!<\?)[\s\S])*? 匹配以下任意次数，但越少越好
(?!<\?) 负前瞻确保后面的内容不匹配
<按字面意思匹配小于号<\?按字面意思匹配问号字符?
[\s\S]匹配任意字符
(?<=\?>) 负向回顾确保前面的内容与以下内容匹配
\?按字面意思匹配问号字符?>按字面意思匹配大于号>
Ok 一行使用分词器（里面丑陋的东西）:
php -r 'echo array_reduce(token_get_all(file_get_contents($argv[1])),function($c,$i){return $i[0]==321?$c.$i[1]:$c.str_repeat("\n",@count_chars($i.$i[1])[10]);});'
tokenizer 的优势：即使像 "abc <?php echo '?>'; ?> def" 这样的字符串也能被正确解析。
321 是常量 T_INLINE_HTML 的值（所有不在 php 标记之间的值）。
10 是换行符 (LF) 的 ASCII 码。 （默认情况下，count_chars returns 以ASCII码为键，出现次数为值的关联数组）.
丑陋的是 $i.$i[1] 将数组与字符串或字符串与未定义的内容连接起来。 @ 避免警告和通知。不管怎样，这个技巧避免了测试并且换行符的数量被保留了下来。 （看什么returnstoken_get_all就明白问题了）
或 DOMDocument:
php -r '$d=DOMDocument::loadHTMLFile($argv[1],8196);foreach((new DOMXPath($d))->query("//processing-instruction()")as$p)$p->parentNode->replaceChild($d->createTextNode(preg_replace("~\S+~","",$p->nodeValue)),$p);echo$d->saveHTML();'
我需要一个从 HTML 文件中修剪 PHP 的衬纸。诀窍是我还需要它来保留之前由 PHP 行占用的换行符。
php -r "echo preg_replace('/<\\?.*(\\?>|$)/Us','', file_get_contents($argv[1]));" -- "./index.php"
这个"works"但是不保留新行，例如：
<html><?php test(); ?>
<head>
<?php test();
?>
</head>
<body>
</body>
<html>
解析为：
<html>
<head>
</head>
<body>
</body>
<html>
但我需要它来解决：
<html>
<head>
</head>
<body>
</body>
<html>
也许我正在使用锤子来拧螺丝，但我想做的是删除 PHP 代码，运行 通过 htmlhint 得到结果，并使报告的行号与文件中的行。
如果有更好的解决方案，我很想听听。最终目标是用它们各自的 linters 对混合了 PHP、Javascript 和 HTML 的文件进行 lint。
简介
正则表达式绝对不是这个问题的最佳答案，但由于您正在寻找正则表达式形式的答案，这里有！
注意：如果注释或字符串包含 <?.
代码
(?:\G(?!\A)|\h*(?=<\?))(.*(?=(?:(?!<\?)[\s\S])*?(?<=\?>)))
结果
输入
<html><?php test(); ?>
<head>
<?php test();
?>
</head>
<body>
</body>
<html>
输出
<html>
<head>
</head>
<body>
</body>
<html>
说明
(?:\G(?!\A)|\h*(?=<\?))匹配以下任一选项\G(?!\A)\G断言位置在上一个匹配的末尾或第一个匹配的字符串的开头(?!\A)否定前瞻断言后面的内容不是字符串的开头（这基本上使\G仅匹配上一个匹配项的结尾）
\h*(?=<\?)匹配以下\h*匹配任意数量的水平空格（用于清理<?之前的空格
(?=<\?)正面前瞻确保以下匹配<按字面意思匹配小于号<\?按字面意思匹配问号字符?
(.*(?=(?:(?!<\?)[\s\S])*?(?<=\?>)))将以下内容捕获到捕获组 1.*匹配任意字符（行终止符除外）任意次数(?=(?:(?!<\?)[\s\S])*?(?<=\?>))正向前瞻确保后续匹配(?:(?!<\?)[\s\S])*?匹配以下任意次数，但越少越好(?!<\?)负前瞻确保后面的内容不匹配<按字面意思匹配小于号<\?按字面意思匹配问号字符?
[\s\S]匹配任意字符
(?<=\?>)负向回顾确保前面的内容与以下内容匹配\?按字面意思匹配问号字符?>按字面意思匹配大于号>
Ok 一行使用分词器（里面丑陋的东西）:
php -r 'echo array_reduce(token_get_all(file_get_contents($argv[1])),function($c,$i){return $i[0]==321?$c.$i[1]:$c.str_repeat("\n",@count_chars($i.$i[1])[10]);});'
tokenizer 的优势：即使像 "abc <?php echo '?>'; ?> def" 这样的字符串也能被正确解析。
321 是常量 T_INLINE_HTML 的值（所有不在 php 标记之间的值）。
10 是换行符 (LF) 的 ASCII 码。 （默认情况下，count_chars returns 以ASCII码为键，出现次数为值的关联数组）.
丑陋的是 $i.$i[1] 将数组与字符串或字符串与未定义的内容连接起来。 @ 避免警告和通知。不管怎样，这个技巧避免了测试并且换行符的数量被保留了下来。 （看什么returnstoken_get_all就明白问题了）
或 DOMDocument:
php -r '$d=DOMDocument::loadHTMLFile($argv[1],8196);foreach((new DOMXPath($d))->query("//processing-instruction()")as$p)$p->parentNode->replaceChild($d->createTextNode(preg_replace("~\S+~","",$p->nodeValue)),$p);echo$d->saveHTML();'