用于提取 FDF 数据的 PHP 正则表达式代码

Question

我正在尝试使用 PHP 和正则表达式解析 FDF 文件。但我就是无法理解正则表达式。我一直在解析文件以生成数组。

%FDF-1.2
%âãÏÓ
1 0 obj 
<<
/FDF 
<<
/Fields [
<<
/V (<a href="https://stackoverflow.com/cdn-cgi/l/email-protection" class="__cf_email__" data-cfemail="fc99919d9590bc99919d9590d29f9391" rel="noreferrer noopener nofollow">[email protected]</a>)
/T (field_email)
>> 
<<
/V (John)
/T (field_name)
>> 
<<
/V ()
/T (field_reference)
>>]
>>
>>
endobj 
trailer

<<
/Root 1 0 R
>>
%%EOF

当前函数(来源:http://php.net/manual/en/ref.fdf.php)

function parse2($file) {
 if (!preg_match_all("/<<\s*\/V([^>]*)>>/x", $file,$out,PREG_SET_ORDER))
         return;
 for ($i=0;$i<count($out);$i++) {
         $pattern = "<<.*/V\s*(.*)\s*/T\s*(.*)\s*>>";
         $thing = $out[$i][1];
         if (eregi($pattern,$out[$i][0],$regs)) {
                 $key = $regs[2];
                 $val = $regs[1];
                 $key = preg_replace("/^\s*\(/","",$key);
                 $key = preg_replace("/\)$/","",$key);
                 $key = preg_replace("/\\\/","",$key);
                 $val = preg_replace("/^\s*\(/","",$val);
                 $val = preg_replace("/\)$/","",$val);
                 $matches[$key] = $val;
         }
 }
 return $matches;
}

结果:

Array
(
    [field_email)
    ] => <a href="https://stackoverflow.com/cdn-cgi/l/email-protection" class="__cf_email__" data-cfemail="41242c20282d01242c20282d6f222e2c" rel="noreferrer noopener nofollow">[email protected]</a>)

    [field_name)
    ] => John)

    [field_reference)
    ] => )

)

为什么它会结束 ) 和新行？我知道这个问题对于理解正则表达式的人来说是微不足道的。因此，我们将不胜感激。

Answer 1

描述

您的初始表达式只是查找代表每个键和值集的整个文本 block 。然后在清理部分中，您正在寻找一个紧随其后的紧跟字符串 \)$ 结尾的关闭帕兰，但我确信关闭帕兰和结尾之间还有其他字符字符串的。

相反，我会在一次操作中处理所有这些。该表达式将:

• 查找字段值
  • 修剪掉周围的括号
  • 并放入捕获组 1
• 查找值的名称并将其放入捕获组 2 中
  • 修剪 field_ 子字符串
  • 修剪掉周围的括号
  • 并放入捕获组 2
• 需要选项:不区分大小写和多行

^\/V\s\(([^)]*)\)[\r\n]*^\/T\s\(field_([^)]*)\)

示例

Live Demo

示例文本

%FDF-1.2
%âãÏÓ
1 0 obj 
<<
/FDF 
<<
/Fields [
<<
/V (<a href="https://stackoverflow.com/cdn-cgi/l/email-protection" class="__cf_email__" data-cfemail="1a7f777b73765a7f777b737634797577" rel="noreferrer noopener nofollow">[email protected]</a>)
/T (field_email)
>> 
<<
/V (John)
/T (field_name)
>> 
<<
/V ()
/T (field_reference)
>>]
>>
>>
endobj 
trailer

<<
/Root 1 0 R
>>
%%EOF

匹配

[0][0] = /V (<a href="https://stackoverflow.com/cdn-cgi/l/email-protection" class="__cf_email__" data-cfemail="b1d4dcd0d8ddf1d4dcd0d8dd9fd2dedc" rel="noreferrer noopener nofollow">[email protected]</a>)
/T (field_email)
[0][1] = <a href="https://stackoverflow.com/cdn-cgi/l/email-protection" class="__cf_email__" data-cfemail="d7b2bab6bebb97b2bab6bebbf9b4b8ba" rel="noreferrer noopener nofollow">[email protected]</a>
[0][2] = email

[1][0] = /V (John)
/T (field_name)
[1][1] = John
[1][2] = name

[2][0] = /V ()
/T (field_reference)
[2][1] = 
[2][2] = reference

---

或者

如果您想保留 field_ 子字符串，那么您可以简单地将其从表达式中删除，如下所示:

^\/V\s\(([^)]*)\)[\r\n]*^\/T\s\(([^)]*)\)