Ajuda com um regex que retira levando espaço em branco

StackOverflow https://stackoverflow.com/questions/1250382

  •  12-09-2019
  •  | 
  •  

Pergunta

Eu estou modificando uma função central da biblioteca Kohana, a texto :: auto_p () função.

A função descreve-se como "nl2br () em esteróides". Essencialmente, ele fornece <br /> quebras de linha simples, mas quebras de linha duplas são cercados com as tags <p>.

A limitação eu encontrei com ele é que ele vai, mas <br />s em um elemento <pre>. Isto irá criar duplas novas linhas, o que não é o que eu quero. Fiz uma modificação para pegar elementos pré com um regex, e uma chamada de retorno que irá retirar o <br /> que funciona bem.

No entanto, o principal problema é que eu tenho exemplos de código em meu texto que fica auto_p()'d, e eu preciso para preservar o recuo (para facilitar a leitura). Infelizmente para mim, as tiras de função esquerda e à direita espaço em branco em linhas.

Aqui está a regex que tiras espaço à esquerda 

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

Eu não sou o melhor guru regex, mas eu tenho certeza que diz "Get espaços à esquerda e guias em que há pelo menos um e substituí-los por uma cadeia vazia."

Eu tentei remover esta linha, mas, em seguida, ele irá adicionar <br /> onde eu definitivamente não quero que eles - em um caso, eu estava ficando saída como esta 

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

Como eu iria modificar este regex ou código para não tira levando espaço dentro de um elemento <pre>?

A função auxiliar original do Kohana está disponível aqui . (Rolagem para a quase inferior).

Eu sei que vou obter alguns 'Use um analisador HTML' respostas do tipo - e enquanto você pode estar correto - o código existente simplesmente usa regex, e eu preferiria uma solução mais simples (onde eu não tenho que incluem um biblioteca etc).

Obrigado pelo seu tempo.

Foi útil?

Solução

Aqui está como eu faria isso: 

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

Depois de combinar algum espaço levando-line, o lookahead verifica com antecedência para <pre> ou </pre> tags. A carne do lookahead é este bit: 

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

Ele corresponde a zero ou mais de qualquer coisa que não é um colchete angular esquerdo, ou um sinal de menor, se não é o início de uma <pre> ou </pre> tag. Essa parte só vai parar de correspondência quando encontra uma tag <pre> (de partida), um tag </pre> (final), ou o fim da entrada. Se é uma tag final que pára-lo, você sabe que está dentro de um elemento <PRE>, para que você não quer fazer a substituição.

Os quantificadores possessivo ('++', '*+' e '?+') são essenciais para evitar retrocesso catastrófico . (Eu não posso ajudá-lo: essa frase sempre me faz pensar no cenário de ressonância cascata de Half-Life .)

Esta técnica também assume razoavelmente HTML bem formado, ou seja, todas as tags <pre>...</pre> devidamente equilibrada. Etiquetas dentro de comentários SGML vai mexer-se, também - a menos que acontecer a ser equilibrado. Você pode lidar com os comentários, também, se você não se importa de fazer a regex duas vezes mais longo e três vezes mais feio. :)

Outras dicas

Licenciado em: CC-BY-SA com atribuição
Não afiliado a StackOverflow
scroll top