Php WordPress:短代码正则表达式有问题

这是WordPress中用于短代码的正则表达式，一个用于整个标记，另一个用于属性

return '(.?)\[('.$tagregexp.')\b(.*?)(?:(\/))?\](?:(.+?)\[\/\2\])?(.?)';
$pattern = '/(\w+)\s*=\s*"([^"]*)"(?:\s|$)|(\w+)\s*=\s*\'([^\']*)\'(?:\s|$)|(\w+)\s*=\s*([^\s\'"]+)(?:\s|$)|"([^"]*)"(?:\s|$)|(\S+)(?:\s|$)/';

它解析的东西像

[foo bar="baz"]content[/foo]

或

在WordPress trac中，他们说它有点缺陷，但我的主要问题是它不支持属性中的短代码，比如

[foo bar="[baz /]"]content[/foo]

因为正则表达式在第一次出现右括号时停止主短代码，所以在示例中它呈现

[foo bar="[baz /]

及

照原样表演

---

是否有任何方法可以更改正则表达式，以便在开始标记或自动结束标记之间发生[with]及其内容时绕过任何事件？

您的目标是什么？即使WordPress的正则表达式更好，也不会执行短代码

return '(.?)\[('.$tagregexp.')\b((?:"[^"]*"|.)*?)(?:/)?\](?:(.+?)\[\/\2\])?(.?)';

是第一个正则表达式的变体，其中匹配属性的位已更改为完全捕获字符串，而不考虑其中的内容：

(?:"[^"]*"|.)*?

而不是

.*?

请注意，它还不能处理包含转义引号字符的字符串-可以这样做，但有必要吗？。我没有更改任何其他内容，因为我不知道WordPress短代码的语法

但它看起来可以通过删除不必要的反斜杠和括号来进行一些清理：

return '(.?)\[(foo)\b((?:"[^"]*"|.)*?)/?\](?:(.+?)\[/\2\])?(.?)';

---

也许需要进一步改进。我有点担心上面代码片段中不精确的点，我宁愿使用？：[^]*.[^/\]]*而不是？：[^]*.*但我不知道这是否会破坏其他东西。还有，我不知道前导和尾随是什么。？对你有好处。它们与您的示例中的任何内容都不匹配，因此我不知道它们的用途。

您是否希望替换该正则表达式？此选项允许属性值包含类似于标记的内容，如您的示例所示：

'(.?)\[(\w+)\b((?:[^"\'\[\]]++|(?:"[^"]*+")|(?:\'[^\']*+\'))*+)\](?:(?<=(\/)\])|([^\[\]]*+)\[\/\2\])(.?)'

或者，以更可读的形式：

/(.?)              # could be [
 \[(\w+)\b         # tag name
 ((?:[^"'\[\]]++   # attributes
    |(?:"[^"]*+")
    |(?:'[^']*+')
  )*+
 )\]
 (?:(?<=(\/)\])   # '/' if self-closing
   |([^\[\]]*+)   # ...or content
    \[\/\2\]      # ...and closing tag
 )(.?)            # could be ]
/

据我所知，$tagregexp在原始版本中是所有已定义标记名的替代；我用\w+替换可读性。原始正则表达式捕获的所有内容，此正则表达式也捕获，并且在相同的组中。唯一的区别是，自动关闭标记中的/与属性一起在组3中捕获，也在其自己的组4中捕获

我认为不需要更改其他正则表达式，除非您想添加对嵌入在属性值中的标记的完全支持。这也意味着允许在这一个转义引号，我不知道你想怎么做。我猜他们会加倍；Textpattern就是这样做的，WordPress就是基于这个

这个问题是一个很好的例子，说明为什么像WordPress这样的应用程序不应该用正则表达式实现。添加或更改功能的唯一方法是使正则表达式更大、更难看，甚至更难维护。

我找到了一种解决方法： 首先，将快捷码regex更改为：

(.?)\[('.$tagregexp.')\b(.*?)(?:(\/))?\](?:(.+?)\[\/\2\])?(.?)

致：

然后更改do_shortcode函数的优先级，以避免与WPTextureSize冲突，WPTextureSize函数用于设置引号的样式并将此修复程序搞乱。它与wpautop没有问题，因为我认为这在某种程度上是通过最近的另一个函数修复的

之前：

add_filter('the_content', 'do_shortcode', 11); // AFTER wpautop() 

之后：

add_filter('the_content', 'do_shortcode', 9);  

---

我向trac提交了这封信，现在处于某种永久性的中断状态。与此同时，我想我是否可以制作一个插件，在不改变核心文件的情况下应用我的修复程序。覆盖过滤器优先级很容易，但我不知道如何覆盖正则表达式。

这将很好地解决！我没有足够的代表发表评论，所以我留下以下相关的wordpress trac链接，可能与您的意思相同：

我希望任何修复都能允许像这样的短代码语法

[shortcode att1=val]ue]内容[/shortcode]

因为在3.0.1中，$content被错误地解析为ue]content，而不仅仅是content

更新：花时间学习regices regex之后？我在这些参数中允许]和Pascal样式的转义引号，例如arg='thats[so]great'，并做了两个更改：第一个更改。*？第一个正则表达式中的组get_shortcode_regex to

---

再次注意：对模式的更改可能依赖于匹配的贪婪性质，所以如果该选项发生更改，$pattern的更改位可能必须以如下方式终止：？！，etc

我们在哪里可以找到这个正则表达式？如果我们能确切地看到它是如何使用的，那会有所帮助。没关系，我找到了：我试着替换整个正则表达式，而短代码显示为文本。我只尝试了第三组和普通的短代码运行，但是当短代码中有短代码时，只有运行中的短代码和周围的短代码显示为文本。

(.?)\[('.$tagregexp.')\b((?:[^\[\]]|(?R)|.)*?)(?:(\/))?\](?:(.+?)\[\/\2\])?(.?)

add_filter('the_content', 'do_shortcode', 11); // AFTER wpautop() 

add_filter('the_content', 'do_shortcode', 9);  

((?:[^'"\]]|'[^']*'|"[^"]*")*) in $pattern change "([^"]*)" to "((?:[^"]|"")*)" in $pattern change '([^']*)' to '((?:[^']|'')*)' $atts[strtolower($m[1])] = preg_replace('_""_', '"', stripcslashes($m[2])); $atts[strtolower($m[3])] = preg_replace("_''_", "'", stripcslashes($m[4]));