Aiutare con un'espressione regolare che estrae spazi bianchi

Question

sto modificando una funzione centrale della biblioteca Kohana, il testo :: auto_p () funzione.

La funzione si descrive come "nl2br () con gli steroidi". In sostanza, fornisce <br /> interruzioni di riga singola, ma doppie interruzioni di riga sono circondati con i tag <p>.

La limitazione ho trovato con esso è che sarà, ma <br />s in un elemento <pre>. Questo creerà nuove linee doppie, che non è quello che voglio. Ho fatto una modifica per raccogliere elementi pre con regex, e un callback che togliere i <br /> che funziona bene.

Tuttavia, il problema principale è che non ho esempi di codice nel mio testo che viene auto_p()'d, e ho bisogno di preservare il rientro (per migliorare la leggibilità). Purtroppo per me, le strisce delle funzioni iniziali e finali spazio bianco su linee.

Qui è l'espressione regolare che mette a nudo spazio iniziale

$str = preg_replace('~^[ \t]+~m', '', $str);

Non sono il migliore guru regex, ma sono abbastanza sicuro che dice "Get principali spazi e tabulazioni in cui v'è almeno uno e sostituirli con una stringa vuota".

Ho provato a rimuovere questa linea, ma poi aggiungerò <br /> dove io sicuramente non li voglio - in un caso, mi è stato sempre output come questo

<ul><br />
    <li>something</li>
</ul>

Come potrei modificare questo regex o un codice di non spogliare leader spazio all'interno di un elemento <pre>?

la funzione di supporto originale dal Kohana è disponibile qui . (Scorrere fino alla quasi in basso).

Lo so mi metterò un paio di 'utilizzare un parser HTML' di tipo risposte - e mentre si può essere corretto - il codice esistente usa semplicemente regex, e preferirei una soluzione più semplice (dove non ho includere un biblioteca, ecc).

Grazie per il vostro tempo.

Answer 1

Ecco come lo farei:

$str = preg_replace(
    '~^[ \t]++(?=(?:[^<]++|<(?!/?+pre\b))*+(?:\z|<pre\b))~im',
    '', $str);

Dopo aver fatto corrispondere alcuni spazi bianchi line-leader, il lookahead scansioni in anticipo per <pre> o </pre> tag. La carne del lookahead è questo bit:

(?:[^<]++|<(?!/?+pre\b))*+

E 'corrisponde a zero o più di tutto ciò che non è una parentesi angolare sinistra, o una parentesi angolare sinistra se non è l'inizio di un tag o <pre> </pre>. Quella parte si fermerà solo corrispondenza a quando incontra un tag <pre> (partenza), un tag </pre> (fine), o la fine dell'input. Se si tratta di un tag di chiusura che si ferma, lo sai che sei all'interno di un elemento <PRE>, in modo che non si vuole fare la sostituzione.

I quantificatori possessivi ('++', '*+' e '?+') sono essenziali per prevenire backtracking catastrofica . (Non posso farne a meno: quella frase mi fa sempre pensare al risonanza cascata scenario da Half-life .)

Questa tecnica presuppone anche ragionevolmente ben formato HTML, vale a dire, tutti i tag <pre>...</pre> correttamente bilanciata. Tag all'interno di SGML commenti volontà rovinare tutto, anche - a meno che non capita di essere equilibrati. Si può trattare con i commenti, anche, se non ti dispiace fare la regex il doppio del tempo e tre volte più brutto. :)

Answer 2

Il tuo problema è discusso un sacco Credo - controlla questo link

http://us3.php.net/manual/en /function.nl2br.php#91828

Questo così:

http://us3.php.net/manual/en /function.nl2br.php#39641