A referência de fundo vazia causa falha no PHP ... existe uma solução alternativa?

Question

Estou tendo problemas com uma expressão regular no PHP que usa uma referência de fundo potencialmente vazia. Eu esperava que funcionasse como explicado em http://www.regular-expressions.info/brackets.html:

Se uma referência de fundo não foi usada em uma tentativa de partida específica (como no primeiro exemplo em que o ponto de interrogação tornou a primeira referência de referência opcional), ela está simplesmente vazia. Usar uma referência de fundo vazia no regex está perfeitamente bem. Simplesmente será substituído por nada.

No entanto, parece que o PHP é um pouco diferente ... de http://php.net/manual/en/regexp.reference.back-references.php:

Se um subpadrão não tiver sido usado em uma correspondência específica, qualquer referência de retorno a ele sempre falha.

Como um exemplo simplificado, quero combinar as duas coisas a seguir com este regex:

• {alguma coisa alguma coisa}
• {algo: else} ... {/algo: else}

Onde "algo" é conhecido com antecedência, e "else" pode ser qualquer coisa (ou nada).

Então eu tentei o seguinte regex ("else" codificado por simplicidade):

preg_match("/\{(something(:else)?)\}(.*?)\{\/something\\2\}/is", $data, $matches)

Infelizmente se (: mais)? Não corresponde, a referência 2 falha. Se eu fizer 2 opcional ( 2?), Poderá corresponder a {algo} ... {algo: else}, o que não é bom.

Eu encontrei uma limitação de expressões regulares (o infame "você precisa de um analisador, não uma regex") ou isso é corrigível?

Programa de teste:

<?php
    $data = "{something} ... {/something}
             {something:else} ... {/something:else}
             {something:else} ... {/something}";

    // won't match {something} ... {/something}
    preg_match_all("/\{(something(:else)?)\}(.*?)\{\/something\\2\}/is", $data, $matches);
    print_r($matches);

    // change \\2 to \\2? and it matches too much
    preg_match_all("/\{(something(:else)?)\}(.*?)\{\/something\\2?\}/is", $data, $matches);
    print_r($matches);
?>

Answer 1

Por que você simplesmente não usa 1 em vez de 2?

preg_match_all("/\{(something(:else)?)\}(.*?)\{\/\\1\}/is", $data, $matches);

Quanto a "você precisa de um problema de analisador", precisará dele para analisar construções aninhadas.

Answer 2

Bem, por que não substituir o? com um ou?

Mudar

"/\{(something(:else)?)\}(.*?)\{\/something\\2\}/is"

Para

"/\{(something(:else|))\}(.*?)\{\/something\\2\}/is"

Dessa forma, a referência sempre será capturada, mas às vezes estará vazia (o que está ok) ...

Answer 3

A classe seguinte é constituída para tais casos (como {algo} ... {/something} ou {algo} ... {algo} ... {/something} {/something} e mais. Exemplo com sl5_preg_contentfinder classe

https://gist.github.com/sl5net/7029093#file-sl5_preg_contentfinder-php

        $content1 = $content = '`ha <!--[01.o0]-->1<!--[/01.o0]-->

oi [02.O0] 2 HO 3 `';

            $pos_of_next_search = 0;
        $begin = '(<!--)?\[([^\]>]*\.o0)\](-->)?';
        $end = '<!--\[\/($2)\]-->';
        $cf = new SL5_preg_contentFinder($content);
        $cf->setBeginEnd_RegEx($begin, $end);
        $cf->setSearchMode('use_BackReference_IfExists_()$1${1}');
        $loopCount = 0;
        while ($loopCount++ < 5) {
            $cf->setPosOfNextSearch($pos_of_next_search);
            list($findPos['begin_begin'], $findPos['end_begin'],
                $findPos['begin_end'], $findPos['end_next'], $matchesReturn) = $cf->get_borders_left(__LINE__);
            $content = $cf->getContent();
            $expectedContent = $maxLoopCount;
            if ($maxLoopCount>3)$expectedContent = '';
            if ($content != $expectedContent)
                die(__LINE__ . 'ERROR :   $content != $expectedContent :' . " '$content'!= '$expectedContent ");
            if (is_null($findPos['begin_begin'])) {
                break;
            }
            echo(__LINE__ . ': '.$content1.' ==> "' . $content . '"');

            $pos_of_next_search = $findPos['end_next'];
        }