php - 从 Wiki XML 语法中提取图像路径

Question

我尝试解析从 xml wikipedia export获得的 Wikipedia XML

在一种情况下，我需要提取所有图像路径。原始标记看起来像，

  [[Bild:nameOfImage.png|image description]]

“Bild”也可以是“Image”、“File”或“Datei”

要提取图像的文本，我使用这个正则表达式。

'|\[\[.*\|.*\]\]|U'

这很好用，如果在图像描述中不是其他的 '[[ .. ]]'，比如

[[Bild:nameOfImage.png|image Description with a [[new wiki link]] ]]

我的问题是，如何修改正则表达式以获取第一个“[[”和最后一个“]]”之间的所有文本，而不计算所有“[”和“]”字符。

提前致谢

Answer 1

由于您使用的是 PHP，因此您可能能够使用递归模式。
考虑到您没有捕获任何内容：

/\[\[(((?>[^\[\]])|(?R))*)\]\]/U

请注意，我没有尝试过这个正则表达式，因为我无法使用 PHP。

编辑：

preg_match('/\[\[(?>[^\[\]]|(?R))*\]\]/U', '[[Bild:nameOfImage.png|image Description with a [[new wiki link]] ]]', $array);
var_dump($array);

似乎工作。