Php 使用正则表达式递归HTML标记的内容

我正在为我的客户编写一个应用程序，该应用程序使用所见即所得（WYSIWYG）允许员工使用某些变量修改信函模板，这些变量被解析为信函所针对的客户的信息

所见即所得生成HTML，我将其保存到SQL server数据库中。然后，我使用PHP类生成带有模板文本的PDF文档

这是我的问题。PDF生成类可以翻译b、u、i HTML标记。就这样。这基本上是好的，除了我需要块报价被翻译了。我认为最好的解决方案是编写一个regex语句，即获取每个blockquote HTML块的内容，并用五个空格替换块内的每一行。诀窍是某些块引号可能包含嵌套的块引号（双缩进，等等）

但不幸的是，我从来都不太熟悉正则表达式，在过去的1.5个小时里，我一直在尝试不同的模式，但什么都没用

以下是哥特西亚人：

• 字符串可能包含也可能不包含blockquote块
• 字符串可以包含多个块引号
• 字符串可能包含块引号块的任何嵌套级别
• 我们可以相信HTML的格式是正确的

示例输入字符串如下所示：

Dear Charlie,<br><br>We are contacting you because blah blah blah blah.<br><br><br>To login, please use this information:<blockquote>Username: someUsername<br>Password: somePassword</blockquote><br><br>Thank you.

亲爱的Charlie，

我们之所以联系您，是因为诸如此类。

要登录，请使用以下信息：用户名：someUsername
密码：somePassword

谢谢。

为了简化解决方案，我需要用5个空格替换每个blockquote中的每个HTML分隔符，然后是换行符。

您可能需要签出。您可以使用它来解析HTML DOM树的输入并使用它。

您可能想要签出。您可以使用它来解析HTML DOM树的输入并使用它

~<blockquote>((?:[^<]*+(?:(?!<blockquote>)|(?R))*+)*+)</blockquote>~

我的正则表达式假设blockquote或其他任何地方都不会有任何属性

（注：我将把“使用DOM解析器”的注释留给其他人。）

我的正则表达式假设blockquote或其他任何地方都不会有任何属性

---

（注：我将把“使用DOM解析器”的注释留给其他人。）

正则表达式有一个新的定义，尽管现代正则表达式引擎提供的是“类型-2.5”级别的语言，但有些事情仍然不可行。在局部情况下，嵌套不容易实现。 解释这一点的一个简单方法是，正则表达式不能保持计数。。 i、 他们无法计算嵌套水平

您需要的是有限的CFG（paren计数类型）。。

---

您需要以某种方式保持计数..可能是堆栈或树..

正则表达式有一个值，即使现代正则表达式引擎可以提供“Type-2.5”级别的语言，但有些事情仍然不可行。在局部情况下，嵌套不容易实现。 解释这一点的一个简单方法是，正则表达式不能保持计数。。 i、 他们无法计算嵌套水平

您需要的是有限的CFG（paren计数类型）。。

---

您需要以某种方式保持计数…可能是堆栈或树…

在正则表达式问题上修改PDF创建者似乎比米老鼠更实际。这是您正在使用的封闭源代码库，还是可修改的库？@Brad It’s this class->您是否实现了“blockquote缩进”！==“行首有5个空格”对吗？虽然我意识到这不像“5个空格”那么简单，但这可能是在打印每个空格时模拟PDF文档中块引号的最简单方法（与HTML处理空格的方式不同）。我将要用来模拟效果的空间量可能会被调整或最终变成使用\t字符。我仍处于试验阶段，只需要让它“正常工作”，在正则表达式的问题上修改PDF创建者似乎比米老鼠更实际。这是您正在使用的封闭源代码库，还是可修改的库？@Brad It’s this class->您是否实现了“blockquote缩进”！==“行首有5个空格”对吗？虽然我意识到这不像“5个空格”那么简单，但这可能是在打印每个空格时模拟PDF文档中块引号的最简单方法（与HTML处理空格的方式不同）。我将要用来模拟效果的空间量可能会被调整或最终变成使用\t字符。我仍处于试验阶段，只需要让它“工作”，如果其他一切都失败了，我同意这一点。解析到一个HTML文档，然后将其“反向解析”回数据库。如果所有其他操作都失败，我同意这一点。解析一个HTML文档，然后将其“反向解析”回数据库。使用反向引用捕获组

（？n）

，或通过“Type-2.5”使用resursion子组

（？R）

@nikic，我考虑了pcre。。我不知道php已经切换到它了。。然而，regexp看起来很复杂。。。若解决方案涉及编写函数并在其中递归，那个么使用and和\n作为分隔符标记，并进行简单扫描可能是一个更具可读性的解决方案！PHP使用的正则表达式风格（PCRE）允许以多种方式进行递归。使用反向引用捕获组

（？n）

，或通过“Type-2.5”使用resursion子组

（？R）

@nikic，我考虑了pcre。。我不知道php已经切换到它了。。然而，regexp看起来很复杂。。。若解决方案涉及编写函数并在其中递归，那个么使用and和\n作为分隔符标记，并进行简单扫描可能是一个更具可读性的解决方案！

const REGEX_BLOCKQUOTE = '~<blockquote>((?:[^<]*+(?:(?!<blockquote>)|(?R))*+)*+)</blockquote>~';
function blockquoteCallback($matches) {
    return doIndent(preg_replace_callback(REGEX_BLOCKQUOTE, __FUNCTION__, $matches[1]));
}

$output = preg_replace_callback(REGEX_BLOCKQUOTE, 'blockQuoteCallback', $input);