解析BBCode的最佳方法

Question

我希望为一个php网站制作bbcode过滤器（我正在使用cakephp，它将是一个bbcode助手）。我有一些要求。 Bbcodes可以嵌套。所以像这样的东西是有效的。

[block]  
    [block]  
    [/block]  
    [block]  
        [block]  
        [/block]  
    [/block]  
[/block]  

BBCode 可以有 0 个或多个参数。

例如：

[video: url="url", width="500", height="500"]Title[/video]

BBCodes可能具有多种行为。

例如，[url]text[/url]将被转换为[url:url="text"]text[/url]，或者视频bbcode将能够在youtube、dailymotion等之间选择...

我认为这已经满足了我的大部分需求。我已经用正则表达式做了一些工作。但是我的最大问题是匹配参数。事实上，我已经使嵌套的bbcode和没有参数的bbcode正常工作了。但当我添加一个正则表达式来匹配参数时，它不能正确地匹配嵌套的bbcode。

"\[($tag)(=.*)\"\](.*)\[\/\1\]"// 不是.*而是非贪婪匹配器

我现在没有完整的正则表达式，但我有一些看起来像那样的东西（上面的代码）。

那么有没有一种有效地使用正则表达式或其他方法来匹配bbcode的方法呢？我唯一能想到的就是使用访问者模式，并且根据每个可能的标签拆分我的文本，这样，我可以对我的文本解析有更多的控制，并且我可能会验证我的文档，以便如果输入文本没有有效的bbcode，我可以在保存任何内容之前向用户发出错误提示。

我将使用sablecc创建我的文本解析器。 http://sablecc.org/

有更好的想法吗？或者任何可以导致有效灵活的bbcode解析器的东西?

谢谢，对我的糟糕英语感到抱歉...

- Sybiam

Answer 1

有几个已存在的库可以用于解析BBCode，使用这些库来代替自己尝试编写可能更容易:

下面是其中一些库，如果你继续搜索，肯定会找到更多:
PECL bbcode
PEAR HTML_BBCodeParser

- Chad Birch

---

http://jbbcode.com/ 是最好的选择。它了解标签堆叠并且不使用正则表达式。更不用说添加自定义标签有多容易了。 - petrica.martinescu

Answer 2

我最近一直在研究bbcode解析器。大部分使用正则表达式和PHP4，会在PHP 5.2+上产生错误或根本无法工作。PECL bbcode和PEAR HTML_BBCodeParser似乎不再维护（截至2012年末），也不容易安装到我要使用的共享托管设置中。StringParser_BBCode需要一些小修改才能在5.2+上工作，但添加新标签的方法很笨拙，而且它的最后更新时间是2008年。

在Bing搜索的第四页上（我有些绝望了）我找到了jBBCode，它似乎很新，并且需要PHP 5.3。MIT许可证。我还没有尝试过构建自定义标签，但到目前为止，它是我尝试过的唯一一个可以在使用PHP 5.3的共享托管帐户上开箱即用的解析器。

- Chris Currie

---

这篇文章相当古老，说实话我很惊讶它仍然相关。如果我必须再次实现它，我不会使用正则表达式。BBCode 可以与 HTML 相似，因为它是一种使用方括号而不是 < 和 > 的标记语言。我可能会适应一个 XML 解析器来检查 [ 和 ]。这样，您就可以在 bbcode 中获得所有 XML 的好处，而几乎没有任何问题。在解析 bbcode 时，您可以做几乎任何事情。 - Loïc Faure-Lacroix

Answer 3

有一个PECL和PEAR BBCode解析库可供使用。软件本来就不易开发，不要重复造轮子。

如果以上两个选项都不能使用，我建议将BBCode转化为有效的XML字符串，然后使用您喜欢的XML解析工具进行处理。以下是一个非常简单的想法：

1. 通过htmlspecialchars运行代码，以转义任何需要转义的字符实体

2. 将所有[和]字符分别转换为<和>

3. 不要忘记在类似[tagname:的情况下考虑冒号

如果BBCode嵌套正确，则可以将此字符串传递到XML解析对象（SimpleXML、DOMDocument等）中进行处理。

- Alan Storm

---

这个主意很可怕，[script]...[/script] 会做什么？ - user47322

如果你计划输出 HTML，那么这很糟糕。我写的内容是假设你正在解析 BBCode 来提取信息。如果你使用非官方的 BBCode 解析器（第一段中提到），那么你就会暴露于 XSS 攻击之中。 - Alana Storm

@AlanStorm 我不会这么说。将bbcode解析为类似xml的标记实际上是一个好主意，而且不太容易受到xss攻击，除非你实际上没有解析内容，只是将标记替换为html标记。这并不是重点。您不需要使用xml解析器将'['替换为'<'。但是通过xml解析器扩展bbcode非常有意义。它允许您定义在找到对象时要执行的严格规则，然后您可以将其输出回html，并且任何不安全的内容都可以轻松过滤在您的“伪DOM”对象中。 - Loïc Faure-Lacroix

Answer 4

回复：“还有更好的想法吗？”（我假设这是一个邀请，不仅仅是针对bbcode特定建议的改进）

我们最近考虑采用bbcode方法，但最终决定使用htmlpurifier。这个决定部分基于htmlpurifier小组在此处列出的（可能有偏见的）各种方法之间的比较，以及关于bbcode的讨论（同样来自htmlpurifer小组）在此处。

顺便说一下，我认为你的英语非常好。我相信它比我的母语好多了。

- codemonkey

---

啊，谢谢，我可能会包含HTML净化器。但是因为我不是很喜欢像FCK编辑器这样的东西。我想它主要用于净化HTML输出。但它看起来非常好。 - Loïc Faure-Lacroix

Answer 5

使用 preg_split() 函数和 PREG_DELIM_CAPTURE 标志将源代码分成标签和非标签。然后在迭代标签时，保持打开块的堆栈（即，当您看到开放标记时，将其添加到数组中。当您看到关闭标记时，请从数组末尾删除元素，直到关闭标记与开放标记匹配。）

- Kornel