В своей работе, использую функцию по перекодированию ббкод тэгов в обычные ХТМЛ тэги, проблема в том, что некоторые вложенные тэги создают ошибки.
Моя функция:


Если сделать вложенное цитирование, например так

то я в итоге получаю блок цитаты с 

 внутри и 

снаружи.

Как мне подправить мою функцию, чтобы она могла разбирать вложенные тэги, без таких коллизий?

  

Для начала - не использовать ленивые выражения для допускающих вложенность тегов.
Точка - любой символ. Так что 
захавает самый первый [ quote ] и самый последний [ /quote ].

После этого получитсятак что придется найденное группой (.*) пропарсить еще раз.

Лучше будет сделать для тегов с вложенностью отдельною функцию замены и взвывать ее рекурсивно для найденной группы. 

Это сообщение отредактировал(а) Arantir - 13.7.2013, 20:52

Arantir, 
Колдую над регуляркой, хочу её подправить, там где вы правильно указали, вместо "любой символ", хочу сделать "любой символ, кроме [цитата]", чё-то как не кручу, результат нулевой, хотя бы внутренняя цитаты обработалась бы, уже было чуток проще (

Добавлено через 29 секунд

А почему бы просто не заменить все [quоte] на <div class="quote_div">, а все [/quоte] на </div>?   


Это ломает всю идею. Регулярке на другие [quоte] и так наплевать. В ней же они только по одному разу указаны, один раз она их и найдет - самую ближнюю и самую дальнюю, а между ними - все, что угодно.
Суть идеи была в том, чтобы вот это все между ними пропустить через замену еще раз. И так пока там не останется в ни одной [quоte] в очередном вхождении.

Arantir, 
Долго пыталась понять "А реально, почему бы и нет?", а потом поняла, да очень просто, если юзер не закроет тэг, он сможет сломать весь вид. А это раздолье для вандалов.

Добавлено через 1 минуту и 15 секунд
Arantir, 
По поводу ломки идеи, как раз таки нет, я поставлю процесс на рекурсию, и выходом будет тот факт, что строка не изменила свой вид.

Для этого не обязательно 


Например, для строки рекурсия приведет к в чем нету а так как не нашлось указанной группы, то рекурсия остановится (нет для кого ее продолжить).

Это сообщение отредактировал(а) Arantir - 13.7.2013, 22:45

Arantir, 
Не поняла, почему? Вот как я вижу эту рекурсию:



Это сообщение отредактировал(а) animegirl - 13.7.2013, 23:02

В физическом представлении моя доселе неосязаемая идея выглядит так:
Из-за того, что объекты передаются по ссылкам пришлось каждый раз создавать новый regexp, чтобы рекурсия не сломалась, так как результаты поиска в нем оставались бы старые.

Тест:



Это сообщение отредактировал(а) Arantir - 13.7.2013, 23:02

В вашем примере выводятся 2 ошибки, которые неприемлемы логике вложеных тэгов, а именно в примерах



там выдаётся 



хотя должно выглядеть так:


Добавлено через 1 минуту и 25 секунд
Так в итоге, как переделать строку
/\[quote](.*?)\[\/quote\]/igm,
что бы там по середине исключалось открывание тэга [цитата]?

Это бы прокатило и с обычным вариантом:

Просто с ним бы заменяло снаружи внутрь, а у Вас изнутри наружу. Мой вариант ищет крайние внешние, а Ваш - самые внутренние (которые без вложений).
В обоих случаях постоянная замена в конце концов все позаменяет.

Мой вариант с рекурсией лишь не ищет в лишнем тексте и не сравнивает его весь целиком. 



без опечаток 

Добавлено через 9 минут и 7 секунд

Ну, вообще-то, после парсинга это уже не теги, а просто буковки в HTML-коде.


В любом случае скрипт не может наверняка узнать, в каком именно месте пропущен тег. 
А что, если я пропустил его перед тройкой, а не перед ноликов, и так как у Вас быть не должно? =)

Да и вообще:


Это сообщение отредактировал(а) Arantir - 13.7.2013, 23:16

Arantir, 

приводит к той ошибке, что внутрений тэг меняется, а последующие внешние - нет.
там надо сделать "не тэг цитаты И чтоб хотя бы один знак любой"

Добавлено через 13 минут и 25 секунд
Arantir, 
Готово, спасибо за пинание извилин в правильном направление ;)

f

Логика регулярок для меня всё равно остаётся на уровне бизона хигинса, но задача выполняется как надо )

Пытаюс добавить туда отказ обработки пустых цитат, на ум пришло сделать так:

но на деле не работает (

animegirl, Парсинг bb - не самая простая задача. Для сложных вложенных тегов с параметрами, вообще говоря - комплектом регулярок не решается. Обычно, такое делается, используя "автомат со стеком". Выедается открывающий тег, укладывается на стек, когда встречается закрывающий тег - со стека берется последний открытый и с этой парой уже идет трансформация...
На phpclub (внезапно?   ) возникла тема про Bb коды. Там проскакивала ссылка на простой парсер bb на JS. Действительно простой. Возможно, даже излишне, сложных параметров не понимает, но это несложно исправить. В качестве варианта парсера вполне пригоден.

Другое дело, нужен ли парсер на JS или его уместнее делать на сервере?

Иногда проще разбить сложную задачу на подзадачи. У пользователей компы не бесконечно мощные, пожалейте их немножко 

Можно перед обработкой просто удалять все пустые \[quote\].
Заменять 
пустой строкой

А что останется - уже парсить в HTML.

Добавлено через 8 минут и 11 секунд

Да, кстати, во многих форумных движках так и делается.


Может это просто WYSIWYG. В том числе, способ разгрузить сервер.
А раз не сервер - сверхэффективный алгоритм делать не обязательно.

Нужен на JS, причины:
- сервер передаёт данные один раз в том же виде, что юзер их отправлял
- то что показывается юзеру, это уже переделанное на ХТМЛ, но исходники остаются в памяти, что бы в случае цитаты, их сразу можно было вставить, иначе же прядётся ещё более сложными регулярками их парсить обратно
- Страница сайта полностью на JS и не перегружается, гонять несколько раз данные, чтоб сначала уже в ХТМЛ а для правки ещё раз в ББкоде -> траффик
- С одной стороны да - мы грузим бруазер юзеру, с другой разгружаем свои сервера лишней работой.

Добавлено через 14 минут и 44 секунды

В том то и проблема, что они могут быть не пустыми, я скорее о такой конструкции:

То есть, после первой замены внутренней цитаты, там в строке будет див, тем самым внешняя цитата по логике регулярки пустой не будет, а мне надо, чтоб она игнорировалась, в связи с тем, что кроме самих цитат внутри, там пустота вокруг.

Для таких случаев проще мскать и менять именно такие двойные комбинации: 2x открытые+ 2x закрытые . 

А есть ли смысл менять именно квотирование? Может так и надо, типа это ответ на ответ с квотированием?

Тогда добавьте третью регулярку:
с заменой на $1
и вот это превратится в это 

А для морального удовлетворения вынести подобные регулярки в функцию cleanup() и вызывать ее перед code_to_html() =)

ksnk, 
Так там не будет двойных, там в итоге внутри будет уже див, см. выше рекурсивность из внутри наружу будет идти. А менять двойные не выход, ведь текст может быть либо до либо после.

По-поводу второго пункта, цитирование цитаты это как бы то, что мы добивались вчера, и это устраивает, но предполагается, что человек не будет составлять весь свой пост из банального цитирования, а тем более, что цитирующий будет цитировать пост состоящий тупо из цитирования. В довесок, эти все извращения делаются только для безымянного цитирования, в цитирование с указанием автора, я так свирепствовать не буду )

Добавлено через 2 минуты
Arantir, 
А во что тогда превратится такое:

 

Добавлено через 3 минуты и 47 секунд
Я уже не плохо себе голову поломала над этими всеми вариантами, варианты, я продумала досконально, мне бы теперь регулярку подправить как надо, а не по новой передумывать как сделать, у меня почему-то детект дива с атрибутами и текстом не работает (, а именно вот этот момент в регулярке:

/\[quote\]([^\[quote\]]|^[.*]^[^<div.*>.*<\/div>]*?$|.*?)\[\/quote\]/igm,

Добавлено через 5 минут и 17 секунд
Русским языком примерно так:
Ничего не делать, если попадается внутри [цитата], так же ничего не делать если попадается внутри див с атрибутами но без текста по бокам, преобразовывать, только если внутри любой другой текст.

Угу. "Now they have two problems".

Пытаться распарсить произвольные вложенные теги с помощью единственного регвыра - задача изначально обреченная. Обязательно найдется пример, способный сломать самый хитрозакрученный регвыр. И как быть, если юзер ввел некорректный текст (например, закрыл теги не в том порядке)? Так что только синтаксический анализатор, как подсказывает ksnk.

Пытаюсь представить вариант, в голове, но не получается понять, о чём вы, можно пример?

пример неправильного форматирования?


в этом случае (при квотировании потерян b и i) При этом регулярки сделают болдом весь квотированный текст, что, наверное, правильно, но и текст после него, что видимо, неправильно.

При "обычном" (в моем понимании    ) парсинге несложно откорректировать неправильно закрытые теги (просто добавив закрывающие и игнорировав непарные закрывающие). При желании, можно отдать юзеру для корректировки с указанием места неправильного форматирования.
Если парсить регулярками, и откорректировать и диагностировать ошибки затруднительно. Нужно писать дополнительные регулярки, как с пустым квотированием ...

Это сообщение отредактировал(а) ksnk - 14.7.2013, 23:05

Прочитала - не поверила, запихнула в своё форму, прогнала - как я и предполагала, регулярка их просто игнорирует, так как нету закрывающих тэгов

Добавлено через 2 минуты и 33 секунды

Вы переоцениваете мою прогибчивость перед юзером. У меня политика такова: Неправильно использовал, увидишь косячную прорисовку - задумаешься, отредактируешь, будет выглядеть нормально. Я же всё-таки не няньку юзеру программирую.

Добавлено через 6 минут и 47 секунд
Из выше написанного прямо вытекает: Моя задача продумать прорисовку, косяки юзер пускай исправляет сам.

Задумалась. Ок, да отслеживание с дивами, это я походу всё-таки в няньку ударилась, но тут скорее возможность именно того, что юзер заквотит другого юзера, который скосячил. Как-то так.

Да и вообще, дискуссия ушла от темы слишком далеко, как мне конкретную вещь отловить регуляркой? А именно:

ну, чтоб так же работало как с

Моя эпопея не закончена, оставила лазейки для XSS, надо бы заделать.
Было

сделала

Текст такого вида:

Удачно отсеивается, а вот

делает своё гадкое дело. (

Не могу понять, почему не работает отрицание. Можете подправить?

По русски:
ИЛИ [что угодно, кроме кавычек], ИЛИ  [все что угодно]

Запихивая туда текст с кавычками, конечно же, побеждает вторая половинка выражения.
Вероятно, имелось ввиду  так как [^"'] - это уже "любой символ кроме этих двух".

Это сообщение отредактировал(а) Arantir - 26.7.2013, 23:22