coolcode转SyntaxHighlighter与Mysql正则表达式实现分析
编程学习 2021-07-05 10:07www.dzhlxh.cn编程入门
blog的代码高亮插件原来是coolcode的，coolcode的高亮插件确实很酷，显示效果也很棒，但是占用的位子太大了。
最近，我抽空改成SyntaxHighlighter。由于coolcode插件的开头标签是
<coolcode>
或者[coolcode]这样的，而SyntaxHighlighter是
[code lang="php"]
这样的（或者其他）。遂只能想办法把老的格式转化成新的格式。当然，肯定用到正则表达式了。
原来的代码高亮开头标识为
<coolcode lang="php" download="123.php" linenum="on"><coolcode lang="php" linenum="off"><coolcode lang="php">
这种类型的，
而SyntaxHighlighter的标识为
[code lang="php"]
那根据要求写的正则表达式为
<coolcode lang="[a-z]+".*?>
解释一下
[a-z]+ 匹配 php,javascript,cpp,sql,css 等，后面的.*?中的 .表示任何除了换行之外的字符，而*表示0次或者无数次，*+这些表述次数的符号后面接的?标识非贪婪模式
看图，这个正则可以实现上述要求了。
但是，问题还没解决，我们还有一种情况没考虑，那就是
<coolcode
后面不一定接的就是lang="php"这样的属性啊，有可能是download，也有可能是linenum="on/off"啊，所以，我们的正则还需要改。
CFC4N把正则改为
<coolcode.*?lang="[a-z]+".*?>
截图如下
细心的朋友可能看出来图中匹配的红色框内多出了
<coolcode
，意思也就是说，前面的
<coolcode>
需要排除掉。如何排除呢？聪明的你肯定立刻想到.这个万能字符替换成非<>两个符号的规则，好，CFC4N立刻修改一下。
修改之后的正则为
<coolcode.*?lang="[a-z]+".*?>
果然，匹配正常了。结果见截图。
到这里，问题似乎解决了，可是，当初糊涂的我，把coolcode的两种开头标识都用了，那就是
<coolcode
和[coolcode，那么，看官您认为这个正则该如何改写呢？
没错，无非就是开头，结尾的标识考虑两种情况<和[，那么正则就好改了。（别忘了排除规则里的符号哦）
[<\[]coolcode[^<>\[\]]*?lang="[a-z]+"[^<>\[\]]*?[>\]]
嗯，好，我们来看下效果：
很好很完美。
狼蚁网站SEO优化，就可以去执行了。
可是，我遇到一个很意外的事情。居然发现老的代码里包含这样的格式
[coolcode linenum=\"off\" lang=\"cpp\"]<coolcode download=\"\" lang=\"cpp\" linenum="off">
呃，问题在这里了，只是多了个转义字符\罢了，那么，改起来，也简单。也就是允许\出现0次或者一次，而标识0次或者1次的符号为?，那么我们直接在\后面加个?，也就是改成这样\?就可以了吗？
显然，不是。在正则表达式里，\也表示转义，那么，匹配\的话，也得转义一下\，则应该为\\? 这样才对。
修改后正则为
[<\[]coolcode[^<>\[\]]*?lang=\\?"[a-z]+\\?"[^<>\[\]]*?[>\]]
匹配结果见下图:
现在，大功告成了。我们可以进行转换了。关于转换，我们可以用两种方法。
•Mysql的REPLACE函数，单个的去替换
<coolcode lang="php/cpp/javascript/sql/css等" download="name" linenum="on/off">
为对应的
[code lang="php/cpp/javascript/sql/css等"]
，这样操作，省的去写程序，取出，替换，再写入了，缺点是量大，手工也挺累，体力活。mysql仅仅支持正则查询，不支持正则查询的替换，我们也可以构造联合嵌套的SQL来替换正则匹配的字符串，但是无法取出php/cpp/javascrip这样的语言标记，替换为新的语言标记。也就是说，mysql不支持正则表达式的反向引用。
•PHP读数据库，替换，再写入。PHP的preg_replace函数支持反向引用（preg_replace不支持自定义组名的反向引用），我们只好写个查询语句，查询包含coolcode标识的文章，然后再替换，当然，直接查询包含coolcode的文章可能太多，我们也可以写个MYSQL支持的POSIX正则引擎的表达式，来匹配使用coolcode标签的文章，再来替换，写入。以减少文章的操作量。当然正则表达式也会浪费很大的资源。
当然，在PHP代码的preg_replace函数使用上面的正则，进行反向引用时，需要对正则稍作修改。给lang=""中间的一个组名。正则修改为
[<\[]coolcode[^<>\[\]]*?lang=\\?"([a-z]+\\?)"[^<>\[\]]*?[>\]]
PHP的替换代码为
$contents = preg_replace('/[<|[]coolcode[^>[\]]*?lang=\\\\?"([^"]+?)\\\\?"[^>[\]]*?[>|\]]/i','[code lang="\\1"',$contents);
其中正则的i修饰符标识不区分大小写。
还有，别忘记了coolcode的结束标识和[/coolcode]要替换成[/code]。
mysql里执行两句sql即可
UPDATE wp_posts SET post_content = REPLACE(post_content,'</coolcode>','[\/code]'); //注意后面多了个反斜杠，记得去掉
UPDATE wp_posts SET post_content = REPLACE(post_content,'[/coolcode]','[\/code]'); //注意后面多了个反斜杠，记得去掉
总结：
本文牵扯的正则表达式并无高级用法，都是平常很简单的用法。关于PCRE引擎正则表达式的递归(迭代),组命名，反向引用，零宽断言等，CFC4N会在以后的时间里，找合适的例子写出来。当然，这些高级用法，CFC4N在帮朋友写的正则表达式里已经用到了，大家可以看看，欢迎批评和指点。
PS：如果需要coolcode转SyntaxHighlighter的完整PHP程序，留言即可，我抽空写出来。
<coolcode>
或者[coolcode]这样的，而SyntaxHighlighter是
[code lang="php"]
这样的（或者其他）。遂只能想办法把老的格式转化成新的格式。当然，肯定用到正则表达式了。
原来的代码高亮开头标识为
<coolcode lang="php" download="123.php" linenum="on"><coolcode lang="php" linenum="off"><coolcode lang="php">
这种类型的，
而SyntaxHighlighter的标识为
[code lang="php"]
那根据要求写的正则表达式为
<coolcode lang="[a-z]+".*?>
解释一下
代码如下:
[a-z]+ 匹配 php,javascript,cpp,sql,css 等，后面的.*?中的 .表示任何除了换行之外的字符，而*表示0次或者无数次，*+这些表述次数的符号后面接的?标识非贪婪模式
看图，这个正则可以实现上述要求了。
但是，问题还没解决，我们还有一种情况没考虑，那就是
<coolcode
后面不一定接的就是lang="php"这样的属性啊，有可能是download，也有可能是linenum="on/off"啊，所以，我们的正则还需要改。
CFC4N把正则改为
<coolcode.*?lang="[a-z]+".*?>
截图如下
细心的朋友可能看出来图中匹配的红色框内多出了
<coolcode
，意思也就是说，前面的
<coolcode>
需要排除掉。如何排除呢？聪明的你肯定立刻想到.这个万能字符替换成非<>两个符号的规则，好，CFC4N立刻修改一下。
修改之后的正则为
<coolcode.*?lang="[a-z]+".*?>
果然，匹配正常了。结果见截图。
到这里，问题似乎解决了，可是，当初糊涂的我，把coolcode的两种开头标识都用了，那就是
<coolcode
和[coolcode，那么，看官您认为这个正则该如何改写呢？
没错，无非就是开头，结尾的标识考虑两种情况<和[，那么正则就好改了。（别忘了排除规则里的符号哦）
[<\[]coolcode[^<>\[\]]*?lang="[a-z]+"[^<>\[\]]*?[>\]]
嗯，好，我们来看下效果：
很好很完美。
狼蚁网站SEO优化，就可以去执行了。
可是，我遇到一个很意外的事情。居然发现老的代码里包含这样的格式
[coolcode linenum=\"off\" lang=\"cpp\"]<coolcode download=\"\" lang=\"cpp\" linenum="off">
呃，问题在这里了，只是多了个转义字符\罢了，那么，改起来，也简单。也就是允许\出现0次或者一次，而标识0次或者1次的符号为?，那么我们直接在\后面加个?，也就是改成这样\?就可以了吗？
显然，不是。在正则表达式里，\也表示转义，那么，匹配\的话，也得转义一下\，则应该为\\? 这样才对。
修改后正则为
[<\[]coolcode[^<>\[\]]*?lang=\\?"[a-z]+\\?"[^<>\[\]]*?[>\]]
匹配结果见下图:
现在，大功告成了。我们可以进行转换了。关于转换，我们可以用两种方法。
•Mysql的REPLACE函数，单个的去替换
<coolcode lang="php/cpp/javascript/sql/css等" download="name" linenum="on/off">
为对应的
[code lang="php/cpp/javascript/sql/css等"]
，这样操作，省的去写程序，取出，替换，再写入了，缺点是量大，手工也挺累，体力活。mysql仅仅支持正则查询，不支持正则查询的替换，我们也可以构造联合嵌套的SQL来替换正则匹配的字符串，但是无法取出php/cpp/javascrip这样的语言标记，替换为新的语言标记。也就是说，mysql不支持正则表达式的反向引用。
•PHP读数据库，替换，再写入。PHP的preg_replace函数支持反向引用（preg_replace不支持自定义组名的反向引用），我们只好写个查询语句，查询包含coolcode标识的文章，然后再替换，当然，直接查询包含coolcode的文章可能太多，我们也可以写个MYSQL支持的POSIX正则引擎的表达式，来匹配使用coolcode标签的文章，再来替换，写入。以减少文章的操作量。当然正则表达式也会浪费很大的资源。
当然，在PHP代码的preg_replace函数使用上面的正则，进行反向引用时，需要对正则稍作修改。给lang=""中间的一个组名。正则修改为
[<\[]coolcode[^<>\[\]]*?lang=\\?"([a-z]+\\?)"[^<>\[\]]*?[>\]]
PHP的替换代码为
$contents = preg_replace('/[<|[]coolcode[^>[\]]*?lang=\\\\?"([^"]+?)\\\\?"[^>[\]]*?[>|\]]/i','[code lang="\\1"',$contents);
其中正则的i修饰符标识不区分大小写。
还有，别忘记了coolcode的结束标识和[/coolcode]要替换成[/code]。
mysql里执行两句sql即可
代码如下:
UPDATE wp_posts SET post_content = REPLACE(post_content,'</coolcode>','[\/code]'); //注意后面多了个反斜杠，记得去掉
UPDATE wp_posts SET post_content = REPLACE(post_content,'[/coolcode]','[\/code]'); //注意后面多了个反斜杠，记得去掉
总结：
本文牵扯的正则表达式并无高级用法，都是平常很简单的用法。关于PCRE引擎正则表达式的递归(迭代),组命名，反向引用，零宽断言等，CFC4N会在以后的时间里，找合适的例子写出来。当然，这些高级用法，CFC4N在帮朋友写的正则表达式里已经用到了，大家可以看看，欢迎批评和指点。
PS：如果需要coolcode转SyntaxHighlighter的完整PHP程序，留言即可，我抽空写出来。