嵌套引号内的子模式正则表达式匹配

Question

我正在从一些带有许多不必要的嵌套 [QUOTE] 标签的旧论坛软件升级，我想通过正则表达式（使用 PHP preg_replace）去除这些标签。其中大部分已经完成，但我正在努力处理以下类型。

post 中有嵌套的引用块，但只需要保留顶级 [QUOTE] 内容（因为一些嵌套的引用有 3 或 4 层深）。

例如：

Here is some normal post content

[QUOTE]
This is an appropriate quote
[/QUOTE]

Here is more post content

[QUOTE]
This is a a valid quote, as it's only 1 level deep.
   [QUOTE="User 2"]
   Here's an unnecessary nested quote.
       [QUOTE]
       Here's a 3nd level unnecessary nested quote.
       [/QUOTE]
   [/QUOTE]
[/QUOTE]

Here is more post content

我想去掉第二层和第三层的嵌套引号，但不知道怎么做。

我对有一些很好的建议，但我一直无法修改正则表达式模式以适应这个例子。

Answer 1

与您链接的正则表达式具有相同的限制（引号内没有其他标签），您可以使用

((?:\[QUOTE\]|\G(?!^))[^][]+)((\[QUOTE[^][]*\](?:[^][]++|(?2))++\[/QUOTE\]))

进行搜索，然后 </code> 仅替换嵌套的引号。 这基本上匹配单独组中的最外引号和递归中的内部引号，因此只允许删除它们。 见<a href="https://regex101.com/r/y39Xaf/2" rel="nofollow noreferrer">https://regex101.com/r/y39Xaf/2</a> 我添加了一个测试用例，在一个外引号内有两个不同的引号。 关于 <code>((?:\[QUOTE\]|\G(?!^))[^][]+) 的小故障：

所有内容都包含在捕获组中以允许重新插入
(?:\[QUOTE\]|\G(?!^) 匹配文字 [QUOTE] 或上一个匹配的结尾
[^][]+ 匹配任何普通文本

Answer 2

是的，您可以使用链接答案中的相同正则表达式并将其应用两次并结合一些编程逻辑：

<?php

$regex = '~
        (\[QUOTE[^][]*\]
        (?:[^][]++|(?1))++
        \[/QUOTE\])
        ~x';

$data = preg_replace_callback($regex, 
    function($match) use($regex) {
        return $match[0][0] . preg_replace($regex, '', substr($match[0], 1));
    },
    $your_data_string_here);

echo $data;
?>

这会产生您的示例：

Here is some normal post content

[QUOTE]
This is an appropriate quote
[/QUOTE]

Here is more post content

[QUOTE]
This is a a valid quote, as it's only 1 level deep.

[/QUOTE]

Here is more post content

这里的想法是匹配每个引号标签（嵌套或不嵌套），然后将相同的表达式应用于匹配的字符串，但偏移量为 +1。当我们取一个子字符串时，只会找到下一个嵌套的 [QUOTE] 集，然后将其替换。

A demo on regex101.com and on ideone.com 进一步阐明了这一点。

嵌套引号内的子模式正则表达式匹配

Subpattern Regex match within nested quotes

php

regex

preg-replace