关于php：preg_match_all突然停止在文本中查找事件

preg_match_all suddenly ceased to find occurrences in text

我有一些代码可以通过使用preg_match_all在电子邮件正文中查找发生的事件。像这样：

1
2
3
4

$sHrefPattern ="<(a|area)\s*.*(unsubscribe_url\s*=\s*?)(["\']??)([^">]*?)";
if (preg_match_all("/$sHrefPattern/siU", $sHtmlBody, $aMatches, PREG_SET_ORDER)) {
// do smth ...
}

和类似内容(可以包含俄语文本出现)：

1
2
3
4
5
6
7
8

... <td align="left" colspan="3" height="22" valign="center">

Unsubscribe
|

Advertisement in emails

</td> ...

号

很长一段时间以来，这个代码工作得很好。但有一天，这个代码停止正常工作。我认为它与一些程序包安装相关，但我不知道安装了哪个程序包。此代码所在的服务器在我们的团队中具有共享访问权限。有什么想法吗？

1 2	uname -a Linux ourhost 2.6.32-042stab076.8 #1 SMP Tue May 14 20:38:14 MSK 2013 i686 i686 i386 GNU/Linux

相关讨论

我认为你睡着的时候，坏人已经编辑了你的模式，幸运的是，我建议你测试一下这个模式来取代旧模式：

1
2
3
4

$sHrefPattern ="rea)?\b(?>[^u]++|u++(?!nsubscribe_url\b))+"
."unsubscribe_url\s*+=\s*+["']?+\K[^"'\s]++";
preg_match_all("/$sHrefPattern/iu", $sHtmlBody, $aMatches, PREG_SET_ORDER);
print_r($aMatches);

它是为快速失败而优化的，也要注意新的标志，现在结果是整个模式(不需要捕获组)，(即0组)。

检查所涉及的字符集。我不知道最近在这方面对PHP所做的任何更改，但是您的regexp是否也包含俄语？您使用的是8位西里尔字符集还是UTF-8？它是由PHP显式设置还是检测？也许您的代码只是忽略了编码的问题，并且在某个地方更改了一些默认值。我建议把它当作新代码来调试。找到一个失败的regexp，找到一个它失败的小输入，并尝试确定它的编码。

regexps可以使用u修饰符智能地处理unicode，所以我首先尝试一下，以防它自动修复所有内容。