Допустим, имеется php-код:


Необходимо регуляркой вытащить все строки.
Нобелевскую премию кто-нибудь хочет ?

Задача решается только для некоторых типов строк:
Строка в одиночных кавычках: /\'(?:\\\'|[^\'])*\'/
Строка в двойных кавычках: /\"(?:\\\"|[^\"])*\"/
Строка вызова внешней программы: /\`[^\`]*\`/

А вот here-строки регуляркам не под силу...

авторпри очень большом желании, можно накатать и регулярку. но она будет большая и не очень эффективная.
Это на первый взгляд большая. Те регулярки, что я составил выше - совсем малюсенькие.
Но рассчитаны они на корректный php-код. Проверять корректность php-кода - это не уже не задача регулярок.

Тьфу, про комментарии забыл. В комментах могут быть любые кавычки и в любой последовательности...
При этом предварительно удалить или замаскировать комментарии нельзя, поскольку последовательности //, /* и */ могут находиться внутри строк.

Вообще, сабжевая задача у меня как раз и возникла при обфускации php-кода. Чтобы удалить php-комментарии, необходимо вначале "замаскировать" все строки (внутри которых могут быть последовательности //, /* и */). А чтобы отобрать все строки, необходимо предварительно замаскировать все php-комментарии (внутри которых могут быть кавычки). Получаем deadlock . Нужен автомат.

P.S. В случае с html задача решается наура:
а) "маскируем" все CDATA и SCRIPT-фрагменты (внутри них могут быть html-комментарии, которые удалять не нужно)
б) удаляем html-комментарии
в) восстанавливаем CDATA и SCRIPT-фрагменты

авторя понял что нужна одна общая регулярка.Всё равно небольшая:
/(?:\'(?:\\\'|[^\'])*\')|(?:\"(?:\\\"|[^\"])*\")|(?:\`[^\`]*\`)/

автора для частных случаев вообще проблем невижу.
А как Вы исключаете из отбора "строки" внутри комментариев ?

авторА вот here-строки регуляркам не под силу... Всё-таки под силу:
/\<\<\<(?:?P<MARKER>\w+)[ \t]*(?:\n\r|\r\n|\n|\r)(?:\s\S?)(?:?P=MARKER)\;/

Правда, проверить эту регулярку негде. Здесь сайт умер (а ведь был лучшим в мире анализатором регулярок). Здесь парсер не понимает именованные группы...

авторпро комментарии ничего не сказано(т.е. то что в них не является строками)
Вообще-то и про одиночные/двойные кавычки тоже ничего не сказано. Ирония: почему Вы придумываете дополнительные условия, что якобы строки должны быть заключены в одинарные или двойные кавычки ?

По существу: в условии прямо указано, что строки необходимо искать в php-коде. Следовательно:
а) строками признаются те, которые заключены в одинарные или двойные кавычки, либо подчиняются here-синтаксису
б) фрагменты, ограниченные кавычками и расположенные внутри php-комментариев, строками не являются

Мы ж не американцы, чтобы двойных стандартов придерживаться. Либо не А и не Б (задача не имеет смысла), либо и А, и Б.

автор/(['"]).+?\1;/gЭта регулярка должна отбирать php-строки, заключенные в одинарные или двойные кавычки, так ?
Тогда зачем здесь точка с запятой ? И что это за модификатор - g ? В php таких вроде нет.

Кроме того, эта регулярка не предусматривает возможность указания кавычек внутри строки:
"...\"..." - вернёт "...\"
'...\'...' - вернёт '...\'

и не разрешает символов перехода на новую строку внутри строки (вместо точки нужно использовать [\s\S] или [.\n\r])

автор/"((?:(?:(?<=\\)")|[^"])*)"/ Этой регуляркой Вы вытаскиваете не php-представление строк (которое содержится в исходном php-коде), а содержимое строк, заключенных в двойные кавычки. Т.е. из "строка\"ещё строка" регулярка должна вернуть строка"ещё строка. Пусть будет так.

Но мне непонятно, почему эта регулярка не работает. Вернее, парсеру не нравится позитивная проверка слева (?<=\\)"). Если её убрать или переписать выражение так: "((?:(?:\\")|[^"])*)" - то всё работает. Проверяю здесь (ограничители и модификаторы в самом выражении не указываются).

Может, javascript позиционные проверки вообще не поддерживает ?

авторДля сложных случаев наверняка можно посмотреть и взять готовые регулярки/алгоритмы в программах подсветки синтаксиса. Не получится. Потому что зависит это от языка, на котором написана эта программа и диалекта регулярных выражений, который поддерживает этот язык. Нужен именно php-диалект.

Не могу найти тестер pcre-выражений на php. Единственный из таких, который я знал, - www.regexpr.ru (регулярка выполнялась на сервере в php и результат был очень информативный), но этот сайт перестал работать. Все прочие подобные сайты - говно ужас, да и выполняются регулярки на клиенте (javascript).

Cyrax_02автор/"((?:(?:(?<=\\)")|[^"])*)"/ Этой регуляркой Вы вытаскиваете не php-представление строк (которое содержится в исходном php-коде), а содержимое строк, заключенных в двойные кавычки. Т.е. из "строка\"ещё строка" регулярка должна вернуть строка"ещё строка. Пусть будет так.Ваша регулярка имеет логическую ошибку. Для строки "строка\"ещё строка":
а) php-представление строки (которое содержится в исходном php-коде) имеет вид: "строка\"ещё строка"
б) внутреннее содержимое строки имеет вид: строка"ещё строка

Так вот, Ваша регулярка вовращает строка\"ещё строка. Ни рыба - ни мясо.
А почему Ваша регулярка захватывает также и бэкслэш - потому что он удовлетворяет второму альтернативному односимвольному фрагменту: [^"]. Т.е. позитивная проверка слева здесь погоды не делает.

Да и вообще, Вы считаете, что регуляркой можно выделить из исходной строки фрагмент с удалением из этого фрагмента некоторого символа (в данном случае бэкслеша) ? Это невозможно . Даже применяя позиционные проверки.

Вот упрощённое решение сабжевой задачи (пока без учёта комментариев):
1) Строка в одиночных кавычках: /\'(?:\\\'|[^\'])*\'/
2) Строка в двойных кавычках: /\"(?:\\\"|[^\"])*\"/
3) Строка вызова внешней программы: /\`[^\`]*\`/
4) HERE-строка: /\<\<\<(?P<MARKER>\w+)[ \t]*(?P<NL>\n\r|\r\n|\n|\r)(?:[\s\S]*?)(?P=NL)(?P=MARKER)\;/

Общее выражение:
/(?:\'(?:\\\'|[^\'])*\')|(?:\"(?:\\\"|[^\"])*\")|(?:\`[^\`]*\`)|\<\<\<(?P<MARKER>\w+)[ \t]*(?P<NL>\n\r|\r\n|\n|\r)(?:[\s\S]*?)(?P=NL)(?P=MARKER)\;/

P.S. Жаль, что группы, генерирующие обратные ссылки , не могут быть НЕзахватывающими. Как следствие, регулярка порождает 4 "паразитные" группы.

Ха. А Вы проверяли, что содержится внутри строки ? Чтобы эту регулярку запихать в строку, нужно правильно слэши расставить.
Покажите Ваш проверочный код. Где и как Вы проверяете ? Не в javascript ли случаем ?