在PHP代码库中查找所有字符串

我有几百万行PHP代码库，没有真正的显示和逻辑分离，我正试图提取代码中表示的所有字符串，以便本地化。显示和逻辑的分离是一个长期目标，但现在我只想能够本地化

在代码中，字符串以PHP的各种可能格式表示，因此我需要一种理论（或实际）方法来解析整个源代码，至少要找到每个字符串所在的位置。当然，在理想情况下，我会用一个函数调用来替换每个字符串

"this is a string" “这是一个字符串” 将被替换为

_("this is a string") _（“这是一个字符串”） 当然，我需要支持单人和双人。其他我不太关心的，它们很少出现，我可以手动更改它们

当然，我也不想本地化数组索引。所以弦像

$arr["value"] $arr[“价值”] 不应该成为

$arr[_("value")] $arr[uU2;（“价值”）] 有谁能帮我开始这方面的工作吗？

您可以使用它从PHP文件中获取所有令牌 e、 g

但你会很难做到这一点，因为可能有人写了一些你可能不期望的东西，例如：

$str = 'string that is not immediately an array index';
doSomething($array[$str]);

---

编辑 正如Ant P所说，对于这个答案的第二部分，您最好在周围的令牌中查找

[

和

]

，而不是我的

strpos

hack，类似这样的东西：

$i = 0;
$tokens = token_get_all(file_get_contents('file.php'));
$num = count($tokens);
for ($i = 0; $i < $num; $i++) {
    $token = $tokens[$i];

    if ($token[0] != T_CONSTANT_ENCAPSED_STRING) {
        //not a string, ignore
        continue;
    }

    if ($tokens[$i - 1] == '[' && $tokens[$i + 1] == ']') {
        //immediately used as an array index, ignore
        continue; 
    }

    echo "found string {$token[1]}\r\n";
    //$token[2] is line number of the string
}

$i=0；
$tokens=token_get_all（file_get_contents（'file.php'）；
$num=计数（$tokens）；
对于（$i=0；$i<$num；$i++）{
$token=$tokens[$i]；
if（$token[0]！=T\u常量\u封装的\u字符串）{
//不是字符串，忽略
继续；
}
如果（$tokens[$i-1]='['&&&$tokens[$i+1]==']'））{
//立即用作数组索引，忽略
继续；
}
echo“找到字符串{$token[1]}\r\n”；
//$token[2]是字符串的行号
}

不要试图通过使用perl或grep的过于聪明的命令行破解来解决这个问题，您应该编写一个程序来实现这一点：）

编写一个perl/python/ruby/anywhere脚本，在每个文件中搜索一对单引号或双引号。每次它找到匹配项时，都会提示您用下划线函数替换它，您可以告诉它这样做，也可以跳到下一个

在一个完美的世界里，你会写一些能帮你完成一切的东西，但这最终可能会花更少的时间，你会面临更少的错误

伪：

for fname in yourBigFileList:
    create file handle for actual source file
    create temp file handle (like fname +".tmp" or something)
    for fline in fname:
        get quoted strings
        for qstring in quoted_strings:
            show it in context, i.e. the entire line of code.
            replace with _()?
                if Y, replace and write line to tmp file
                if N, just write that line to the tmp file
    close file handles
    rename it to current name + ".old"
    rename ".tmp" file to name of orignal file

---

我相信有一种更简单的方法可以做到这一点，但这种方法可以让你自己查看每个实例并做出决定。如果有一百万行，每一行都包含一个字符串，每一行都需要1秒的时间来计算，那么整个过程大约需要270个小时。。。也许您应该忽略这篇文章：）

代码库中可能存在一些其他情况，除了关联数组之外，您还可以通过执行自动搜索和替换来彻底打破这些情况

SQL查询：

$myname = "steve";
$sql = "SELECT foo FROM bar WHERE name = " . $myname;

间接变量引用

$bar = "Hello, World"; // a string that needs localization
$foo = "bar"; // a string that should not be localized
echo($$foo);

SQL字符串操作

$sql = "SELECT CONCAT('Greetings, ', firstname) as greeting from users where id = ?";

---

没有自动过滤所有可能性的方法。也许解决方案是编写一个应用程序，创建一个可能字符串的“调节”队列，并在几行代码的上下文中显示每个突出显示的字符串。然后，您可以浏览代码以确定它是否是一个需要本地化的字符串，然后点击一个键来本地化或忽略该字符串。

唯一的问题是，对于$\u SESSION['logsession']，它实际上会给我找到的字符串'logsession'，这当然不是我想要本地化的字符串。@tomhaigh:我会进行第二次投票，如果可以的话。脱帽致敬。@ray：通过在周围标记的上下文中查看字符串，您可能可以确定该字符串是用作字符串还是用作数组ID。不过我自己还没试过。很抱歉，这个答案唯一相关的部分是你的伪代码中的“get quoted strongs”，你没有提到，所以我不知道你为什么给出这个答案。

$bar = "Hello, World"; // a string that needs localization
$foo = "bar"; // a string that should not be localized
echo($$foo);

$sql = "SELECT CONCAT('Greetings, ', firstname) as greeting from users where id = ?";