嵌套或递归结构通常超出了正则表达式的解析能力，您通常需要更强大的解析器。问题是您需要查找的下一个标记会根据以前的标记发生变化，这不是正则表达式可以处理的（语言不再是正则的）。
然而，对于这样一种简单的语言，您不需要具有正式语法的完整解析器生成器——您可以轻松地手动编写一个简单的解析器。你只有一个重要的状态——最后打开的标签。如果您有一个匹配文本的正则表达式、一个新的打开标签或与当前打开标签对应的关闭标签，您可以处理此任务。规则是：
- 如果匹配文本，请保存文本并继续匹配。
- 如果匹配打开标签，请保存打开标签，然后继续匹配，直到找到打开标签或相应的关闭标签。
- 如果您匹配一个关闭标签，请停止查找当前打开的标签并继续匹配最后一个未关闭的标签、文本或另一个打开的标签。
第二步是递归的——每当你找到一个新的打开标签时，你就创建一个新的匹配上下文来寻找相应的关闭标签。
这不是必需的，但通常解析器会生成一个简单的树结构来表示已解析的文本——这被称为抽象语法树。在生成语法所代表的内容之前，通常最好先生成语法树。这使您可以灵活地操作树或产生不同的输出（例如，您可以输出 xml 以外的其他内容。）
这是一个结合了这些想法并解析您的文本的解决方案。（它也将{{or识别}}为转义序列，表示单个文字{或}。）
首先是解析器：
class ParseError extends RuntimeException {}
function str_to_ast($s, $offset=0, $ast=array(), $opentag=null) {
if ($opentag) {
$qot = preg_quote($opentag, '%');
$re_text_suppl = '[^{'.$qot.']|{{|'.$qot.'[^}]';
$re_closetag = '|(?<closetag>'.$qot.'\})';
} else {
$re_text_suppl = '[^{]|{{';
$re_closetag = '';
}
$re_next = '%
(?:\{(?P<opentag>[^{\s])) # match an open tag
#which is "{" followed by anything other than whitespace or another "{"
'.$re_closetag.' # if we have an open tag, match the corresponding close tag, e.g. "-}"
|(?P<text>(?:'.$re_text_suppl.')+) # match text
# we allow non-matching close tags to act as text (no escape required)
# you can change this to produce a parseError instead
%ux';
while ($offset < strlen($s)) {
if (preg_match($re_next, $s, $m, PREG_OFFSET_CAPTURE, $offset)) {
list($totalmatch, $offset) = $m[0];
$offset += strlen($totalmatch);
unset($totalmatch);
if (isset($m['opentag']) && $m['opentag'][1] !== -1) {
list($newopen, $_) = $m['opentag'];
list($subast, $offset) = str_to_ast($s, $offset, array(), $newopen);
$ast[] = array($newopen, $subast);
} else if (isset($m['text']) && $m['text'][1] !== -1) {
list($text, $_) = $m['text'];
$ast[] = array(null, $text);
} else if ($opentag && isset($m['closetag']) && $m['closetag'][1] !== -1) {
return array($ast, $offset);
} else {
throw new ParseError("Bug in parser!");
}
} else {
throw new ParseError("Could not parse past offset: $offset");
}
}
return array($ast, $offset);
}
function parse($s) {
list($ast, $offset) = str_to_ast($s);
return $ast;
}
array(null, $string)这将产生一个抽象语法树，它是一个“节点”列表，其中每个节点都是文本形式的数组，或者array('-', array(...))（即类型代码和另一个节点列表）用于标签内的内容。
一旦你有了这棵树，你就可以用它做任何你想做的事情。例如，我们可以递归地遍历它来生成一棵 DOM 树：
function ast_to_dom($ast, DOMNode $n = null) {
if ($n === null) {
$dd = new DOMDocument('1.0', 'utf-8');
$dd->xmlStandalone = true;
$n = $dd->createDocumentFragment();
} else {
$dd = $n->ownerDocument;
}
// Map of type codes to element names
$typemap = array(
'*' => 'strong',
'/' => 'em',
'-' => 's',
'>' => 'small',
'|' => 'code',
);
foreach ($ast as $astnode) {
list($type, $data) = $astnode;
if ($type===null) {
$n->appendChild($dd->createTextNode($data));
} else {
$n->appendChild(ast_to_dom($data, $dd->createElement($typemap[$type])));
}
}
return $n;
}
function ast_to_doc($ast) {
$doc = new DOMDocument('1.0', 'utf-8');
$doc->xmlStandalone = true;
$root = $doc->createElement('body');
$doc->appendChild($root);
ast_to_dom($ast, $root);
return $doc;
}
这是一些测试用例更难的测试代码：
$sample = "tëstïng 汉字/漢字 {{ testing -} {*strông
{/ëmphäsïs {-strïkë *}also strike-}/} also {|côdë|}
strong *} {*wôw*} 1, 2, 3";
$ast = parse($sample);
echo ast_to_doc($ast)->saveXML();
这将打印以下内容：
<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<body>tëstïng 汉字/漢字 {{ testing -} <strong>strông
<em>ëmphäsïs <s>strïkë *}also strike</s></em> also <code>côdë</code>
strong </strong> <strong>wôw</strong> 1, 2, 3</body>
如果您已经有 aDOMDocument并且想要向其中添加一些已解析的文本，我建议您创建 aDOMDocumentFragment并将其ast_to_dom直接传递给，然后将其附加到所需的容器元素中。