匹配嵌套的html注释块正则表达式[重复]

我有这个 html 代码块：

some html content here top base
<!--block:first-->
    some html content here 1 top
    <!--block:second-->
        some html content here 2 top
        <!--block:third-->
            some html content here 3a
            some html content here 3b
        <!--endblock-->
        some html content here 2 bottom
    <!--endblock-->
    some html content here 1 bottom
<!--endblock-->
some html content here bottom base

我得到了这个正则表达式来匹配嵌套块：

/(?is)<!--block:(.*?)-->((?:(?:(?!<!--(?:.*?)-->).)|(?R))*?)<!--endblock-->|((?:(?!<!--.*?-->).)+)/g

这个工作正常，但如果任何块内容中有注释，就会中断。

这将会失败，因为<!--comment-->仅在第一场比赛中，但其余比赛都可以正常进行：

<!--block:first-->
    some html content here 1 top
    this <!--comment--> will make it fail here.
    <!--block:second-->
        some html content here 2 top
        <!--block:third-->
            some html content here 3a
            some html content here 3b
        <!--endblock-->
        some html content here 2 bottom
    <!--endblock-->
    some html content here 1 bottom
<!--endblock-->
some html content here bottom base

这是对此的后续question https://stackoverflow.com/questions/22386692/perl-replace-nested-blocks-regular-expression.

Perl测试代码如下：

use Data::Dumper;

$/ = undef;
my $content = <DATA>;


my %blocks = ();
$blocks{'base'} = [];


ParseCore( $blocks{'base'}, $content );


sub ParseCore
{
    my ($aref, $core) = @_;
    while ( $core =~ /(?is)<!--block:(.*?)-->((?:(?:(?!<!--(?:.*?)-->).)|(?R))*?)<!--endblock-->|((?:(?!<!--.*?-->).)+)/g )
    {
        if ( defined $1 )
        {
           my $branch = {};
           push @{$aref}, $branch;
           $branch->{$1} = [];
           ParseCore( $branch->{$1}, $2 );
        }
        elsif ( defined $3 )
        {
           push @{$aref}, $3;
        }
    }

}

print Dumper(\%blocks);

__DATA__

some html content here top base
<!--block:first-->
    some html content here 1 top
    this <!--comment--> will make it fail here.
    <!--block:second-->
        some html content here 2 top
        <!--block:third-->
            some html content here 3a
            some html content here 3b
        <!--endblock-->
        some html content here 2 bottom
    <!--endblock-->
    some html content here 1 bottom
<!--endblock-->
some html content here bottom base

我知道你一定听腻了：但你做错了。

我喜欢正则表达式，但它们并不是为此类问题而设计的。使用标准模板系统（如Template::Toolkit https://metacpan.org/pod/distribution/Template-Toolkit/lib/Template/Toolkit.pod.

如果您坚持这种方法，那么我建议您使用更简单的工具。不要尝试让正则表达式强制执行所有规则，而是尽可能使用最基本的正则表达式。在这种情况下，我建议您使用以下方法对文本进行标记split:

use strict;
use warnings;

my $content = do {local $/; <DATA>};

my @tokens = split /(<!--(?:block:.*?|endblock)-->)/, $content;

use Data::Dump;
dd \@tokens;

__DATA__

some html content here top base
<!--block:first-->
    some html content here 1 top
    this <!--comment--> will make it fail here.
    <!--block:second-->
        some html content here 2 top
        <!--block:third-->
            some html content here 3a
            some html content here 3b
        <!--endblock-->
        some html content here 2 bottom
    <!--endblock-->
    some html content here 1 bottom
<!--endblock-->
some html content here bottom base

Outputs:

[
  "\nsome html content here top base\n",
  "<!--block:first-->",
  "\n    some html content here 1 top\n    this <!--comment--> will make it fail here.\n    ",
  "<!--block:second-->",
  "\n        some html content here 2 top\n        ",
  "<!--block:third-->",
  "\n            some html content here 3a\n            some html content here 3b\n        ",
  "<!--endblock-->",
  "\n        some html content here 2 bottom\n    ",
  "<!--endblock-->",
  "\n    some html content here 1 bottom\n",
  "<!--endblock-->",
  "\nsome html content here bottom base",
]

正如您所看到的，该数组包含文本和匹配模式之一之间的交替。

现在，我不知道你的最终目标是什么，也不知道你最终想要什么格式的数据，所以我不能从这里提出任何建议。但是，如果原始数据结构确实满足您的需求，您可以很容易地重新创建它。更好的是，您实际上可以执行错误检查，以查找不匹配打开或关闭的块，而您的原始正则表达式会对您隐藏这些块。

Addendum

我已经在以下位置提供了这种方法的扩展完整解决方案：Perl replace nested blocks regular expression https://stackoverflow.com/a/24101864/1733163