正则表达式实现自定义视频标签转HTML的问题咨询

我正在开发一款文本转HTML的过滤器，核心功能是支持用户插入自定义视频标签。输入文本中的视频标签示例如下：

[video url:"https://www.youtube.com/watch?v=EkluES9Rvak" width=100% ratio='16/9'
autoplay:1 caption:"Lea Verou - Regexplained"]

需求是让标签语法更灵活：属性名与值可通过:或=分隔，值可选单/双引号包裹（用于处理含空格或特殊字符的场景）。针对当前正则存在的两个问题，以下是具体解决方案：

当前正则代码 #

/(?(DEFINE)
# This sub-routine will match an attribute value with or without the quotes around it.
# If the value isn't quoted then we can't accept spaces, quotes or the closing ] tag.
(?<attr_value_with_delim>(?:(?<delimiter>["']).*?(?:\k<delimiter>)|[^"'=\]\s]+))
)

\[
\s*video\s+
(?=[^\]]*\burl[=:](?<url>\g<attr_value_with_delim>))      # Mandatory URL
(?=[^\]]*\bwidth[=:](?<width>\g<attr_value_with_delim>))? # Optional width
(?=[^\]]*\bratio[=:](?<ratio>\g<attr_value_with_delim>))? # Optional ratio
(?=[^\]]*\bautoplay[=:](?<autoplay>\g<attr_value_with_delim>))? # Optional autoplay
(?=[^\]]*\bcaption[=:](?<title>\g<attr_value_with_delim>))? # Optional caption
[^\]]*
\]/guxs

问题分析与解决 #

1. 处理属性值中包含]的情况 #

原正则中，正向预查里的[^\]]*会在遇到]时提前终止匹配，导致属性值内的]无法被正确识别。解决思路是优化带引号值的匹配逻辑，允许引号内包含]，同时确保只匹配到对应闭合引号：

• 对带引号的值，使用(["'])(?:\\\1|(?!\1).)*\1模式，既支持转义的引号，也允许中间出现]。

2. 直接捕获不带引号的属性值 #

原正则的捕获组会包含引号本身，需要调整子模式，将引号内的内容和不带引号的值分别捕获，直接得到纯净的属性值，无需后续trim处理。

优化后的正则代码 #

/(?(DEFINE)
    # 匹配带引号的值，捕获引号内的内容（支持转义引号）
    (?<quoted_val>(["'])(?P<quoted_content>(?:\\\1|(?!\1).)*)\1)
    # 匹配不带引号的值，直接捕获内容
    (?<unquoted_val>(?P<unquoted_content>[^\s\]]+))
    # 统一属性值匹配规则：优先匹配带引号，再匹配不带引号
    (?<attr_value>(?&quoted_val)|(?&unquoted_val))
)
\[
\s*video\s+
# 强制匹配URL属性，捕获纯净值
(?=\s*url\s*[=:]\s*(?&attr_value)(?P<url>(?P<quoted_content>|(?P<unquoted_content>))))
# 可选属性，逐一捕获纯净值
(?:\s*width\s*[=:]\s*(?&attr_value)(?P<width>(?P<quoted_content>|(?P<unquoted_content>))))?
(?:\s*ratio\s*[=:]\s*(?&attr_value)(?P<ratio>(?P<quoted_content>|(?P<unquoted_content>))))?
(?:\s*autoplay\s*[=:]\s*(?&attr_value)(?P<autoplay>(?P<quoted_content>|(?P<unquoted_content>))))?
(?:\s*caption\s*[=:]\s*(?&attr_value)(?P<title>(?P<quoted_content>|(?P<unquoted_content>))))?
\s*
\]/guxs

优化点说明 #

• 针对带引号的属性值，通过(?:\\\1|(?!\1).)*实现：允许匹配除未转义闭合引号外的任意字符，包括]，同时支持转义的引号（比如"video]test"这类场景）。
• 通过quoted_content和unquoted_content两个命名捕获组，直接获取去掉引号的属性值，无需后续字符串处理。
• 移除了原正则中[^\]]*的限制，避免提前截断匹配内容。

内容的提问来源于stack exchange，提问作者Patrick Janser