正则提取HTML内联样式出现catastrophical backtracing错误如何解决？

最优解决方案：使用DOM解析器替代正则 #

正则天生不适合处理嵌套/非结构化的HTML内容，用PHP内置的DOM解析工具提取内联样式，可以从根源上规避回溯问题，鲁棒性远高于正则方案，适配任意长度的内联样式：

$dom = new DOMDocument();
// 忽略WordPress主题不规范HTML的解析警告
libxml_use_internal_errors(true);
$dom->loadHTML($html_content);
libxml_clear_errors();

$style_tags = $dom->getElementsByTagName('style');
$inline_styles = '';
foreach ($style_tags as $tag) {
    $inline_styles .= $tag->nodeValue . PHP_EOL;
}

替代方案：优化正则消除回溯 #

如果必须使用正则实现，将原正则中的惰性匹配(.*?)替换为否定式前瞻匹配结构，彻底避免反复回溯：

/<style[^>]*>([^<]*(?:<(?!\/style>)[^<]*)*)<\/style>/si

该正则的匹配逻辑为：

• 先匹配style标签的头部属性
• 匹配所有非<的内容，遇到<时先判断是否为</style>闭合标签的开头
• 仅在匹配到闭合标签时停止，全程无回溯，性能是惰性匹配的数十倍，不会触发灾难性回溯错误

注：调整pcre.backtrack_limit的方案仅为临时兜底，会额外占用大量内存，样式长度进一步增长时仍会触发错误，不建议在生产环境长期使用。

内容的提问来源于stack exchange，提问作者Matthias Günter