0

我的 preg_match_all 语句有问题。它一直在完美地工作，因为我一直在输入一篇文章，但是在它经过一定长度后突然停止工作。这是功能的一个已知问题，在这么多字符之后它什么都不做？

$number = preg_match_all("/(<!-- ([\w]+):start -->)\n?(.*?)\n?(<!-- \\2:stop -->)/s", $data, $matches, PREG_SET_ORDER);

它一直运行良好，并且在其他页面上运行良好，但是一旦那篇文章超过了一定的长度，噗，它就停止为那篇文章工作了。我可以使用另一种解决方案来使其适用于更长的文本块吗？正在处理的文章长度约为 33,000 个字符（包括空格）。

我以前问过这样的问题，但只得到一个我从未实际测试过的答案。上一次我刚刚找到了另一种方法来解决那个特定的场景，但是这次没有办法解决它，因为它都是一篇文章。我尝试更改pcre.backtrack_limit甚至pcre.recursion_limit高达 500,000，但完全没有效果。关于为什么会发生这种情况以及我可以做些什么来让它继续工作，即使对于这些大量的文本块，还有其他想法吗？30,000 个字符的限制似乎有点低，只有 5,000-6,000 个字（这个大约是 5,700 个）。在这里将其分开并不是一个真正的选择，因为如果它们位于两个单独的文本块中，它将找不到开始和停止。

4

2 回答 2

1

我曾经碰到过这个，当时我唯一能解决它的方法就是拆分字符串。你可以explode()或preg_split()。

从我的源代码中直接引用：

    // regexps have failed miserably on very large tables...
    $parts = explode("<table",$html);

但这是两年前的事了。

于 2010-07-16T02:09:50.000 回答
0

看起来您正在使用 HTML。您可能需要考虑使用各种解析器之一。例如，DOM 有一个特定的评论类，所以我们知道它可以与它们一起工作。不幸的是，使用 DOM 有点尴尬。

另一种选择可能是使用XMLReader，它将 XML 作为流读取并将其作为标记进行处理。它似乎明白评论是什么。我自己从未使用过它，所以我无法告诉你它的效果如何。（您可以使用 DOM 的loadHTML和saveXML方法将您的 HTML 转换为 XML，假设它的格式不是太可怕。）

最后，您可能会考虑为您的自定义注释编写分词器或解析器。这应该不会太难，而且可能比学习我指出的任何一种 XML 解决方案更快。

于 2010-07-16T04:39:58.883 回答