如何修复BBcode正则表达式

Question

我有一个正则表达式来抓取BBcode标记。除了一个小故障外，它工作得很好。

下面是当前的表达式：

\[([^=\[\]]+)[=\x22']*([^ \[\]]*)['\x22]*\](.+)\[/\1\]

下面是一些它成功匹配的文本和它构建的组：

Http://www.google.com]Go[url=]到谷歌 1: url 2：http://www.google.com 去谷歌吧！ imghttp://www.somesite.com/someimage.jpg[/img]](http://www.somesite.com/someimage.jpg[/img]) 1: img 2:零 3：http://www.somesite.com/someimage.jpg 商第一嵌套报价/报价--第二嵌套报价/报价 1:引用 2:零 3:商数嵌套报价/引文-嵌套报价/报价

这一切都很棒。我可以通过对相同的regex运行第三个匹配组来处理嵌套的标记，并递归地处理所有嵌套的标记。问题在于使用引号标记的示例。请注意，第三个匹配组是一个由两个引号标记组成的集合，因此我们期望有两个匹配。然而，我们得到一个匹配，就像这样：

商第一嵌套报价/报价--第二嵌套报价/报价 1:引用 2:零 3:第一个嵌套报价/引文--第二个嵌套报价

啊！这不是我们想要的。有一个非常简单的方法来修复它，我从下面修改regex：

\[([^=\[\]]+)[=\x22']*([^ \[\]]*)['\x22]*\](.+)\[/\1\]

对此：

\[([^=\[\]]+)[=\x22']*([^ \[\]]*)['\x22]*\](((?!\[/\1\]).)+)\[/\1\]

通过添加((?!\[/\1\]).)，如果第三个匹配组包含关闭的BBcode标记，则整个匹配无效。所以现在，我们得到了两个匹配：

商第一嵌套报价/报价-第二嵌套报价/商第一嵌套报价/报价 1:引用 2:零 3:第一个嵌套报价 套式报价/报价 1:引用 2: NULL 3:第二个嵌套引号

我很高兴把它修好了，但现在我们有了另一个问题。这个新的正则表达式在第一个引用标签上失败，我们将两个引号标记嵌套在一个更大的引号标记下。我们有两场比赛，而不是一场：

商第一嵌套报价/报价--第二嵌套报价/报价 商数嵌套报价/报价 1:引用 2:零 3:商数嵌套报价 套式报价/报价 1:引用 2:零 3:第二个嵌套报价

第一次匹配都是错误的，第二次匹配虽然格式良好，但并不是理想的匹配。我们想要一个大的匹配，第三个匹配组是两个嵌套的引号标记，就像我们使用第一个表达式时一样。

有什么建议吗？如果我能克服这个差距，我应该有一个相当强大的BBcode表达式。

Answer 1

使用平衡组，您可以构造如下所示的正则表达式：

(?>
  \[ (?<tag>[^][/=\s]+) \s*
  (?: = \s* (?<val>[^][]*) \s*)?
  ]
)

(?<content>
  (?>
    \[(?<innertag>[^][/=\s]+)[^][]*]
    |
    \[/(?<-innertag>\k<innertag>)]
    |
    [^][]+
  )*
  (?(innertag)(?!))
)

\[/\k<tag>]

根据Kobi的例子进行简化。

在以下方面：

[foo=bar]baz[/foo]
[b]foo[/b]
[i][i][foo=bar]baz[/foo]foo[/i][/i]
[i][i][i][i]foo[/i][/i][/i][i][i]foo[/i][/i][/i]
[quote][quote][b][img]foo[/img][b]bold[/b][b][b]deep[/b][/b][/b][/quote]bar[quote]baz[/quote][/quote]

它发现这些匹配：

• [foo=bar]baz[/foo]
• [b]foo[/b]
• [i][i][foo=bar]baz[/foo]foo[/i][/i]
• [i][i][i][i]foo[/i][/i][/i][i][i]foo[/i][/i][/i]
• [quote][quote][b][img]foo[/img][b]bold[/b][b][b]deep[/b][/b][/b][/quote]bar[quote]baz[/quote][/quote]

http://ideone.com/uULOs的完整示例

(旧版http://ideone.com/AXzxW)