Почему preg_match_all у маленького файла все правильно возвращает, а у большого — false?

Question

[sorry_i_noob]

Здравствуйте. Мне нужно распарсить книгу и взять только контент - главы и их текст, оставив благодарности, оглавление, сноски и тд. Проблема в том, что в одном файле две книги. Я написал вот такой код:

$text = file_get_contents('book_1.txt');
$result = preg_match_all('/Глава первая(?:[\s\S]*?)(?:(?:\n[\r ]*){10})/mu', $text, $matches);

Объясню, что я написал в этой регулярке. Берется слово "Глава первая" и потом любые символы - [\s\S] бесконечное количество раз *. Но квантификатор ленивый - это нужно, чтобы поиск остановился на 10 и более переносах строк (между которыми могут быть переносы каретки и пробелы) - так разделяются книги.
Я пробовал использовать этот код на нужной мне книге - возвращается false. Потом я из книги взял только ее часть - файл получится небольшим. И все отлично работает.
Подскажите, пожалуйста, в чем проблема?
Вот файлы:
https://dropmefiles.com/qYodg
book_1.txt - это полноценная книга.
book_2.txt - это небольшой отрывок.
Помогите, пожалуйста, очень интересно, почему так происходит!

Answer 1

[DevMan]

воспользуйтесь https://secure.php.net/manual/ru/function.preg-las...
возможно превышаются дефолтные лимиты

у меня код отработал без ошибок

Comments

[sorry_i_noob]

Большое спасибо за ответ! Вот такая ошибка была:
PREG_BACKTRACK_LIMIT_ERROR
А можно ли сделать так, чтобы подобные ошибки показывались, как E_WARNING, например? Или E_NOTICE. В смысле, чтобы скрипт останавливался и выводил на экран сообщение с ошибкой? У меня включен вывод ошибок, но эта ошибка не выводилась:

ini_set('display_errors', 1);
error_reporting(E_ALL);

Я хочу, чтобы было типа вот этого:

Ну или вообще, чтобы хоть как-то очевиднее было, что произошла ошибка.

[DevMan]

sorry_i_noob, ну в случае preg_match возврат false - и есть сигналом об ошибке.

можно извращаться и написать кастомный обработчик, но имхо это лишнее.

Answer 2

[Stalker_RED]

false возвращается при ошибке.
можно посмотреть что за ошибка при помощи preg_last_error().

echo array_flip(get_defined_constants(true)['pcre'])[preg_last_error()];

Comments

[sorry_i_noob]

Большое спасибо за ответ! Вот такая ошибка была:
PREG_BACKTRACK_LIMIT_ERROR
А можно ли сделать так, чтобы подобные ошибки показывались, как E_WARNING, например? Или E_NOTICE. В смысле, чтобы скрипт останавливался и выводил на экран сообщение с ошибкой? У меня включен вывод ошибок, но эта ошибка не выводилась:

ini_set('display_errors', 1);
error_reporting(E_ALL);

Я хочу, чтобы было типа вот этого:

Ну или вообще, чтобы хоть как-то очевиднее было, что произошла ошибка.

[Stalker_RED]

sorry_i_noob, насколько я понимаю, в стандартной сборке это сделать нельзя.

А вообще, если вы знаете что книги разделены десятком переводов строк, то пожно найти это место при помощи strpos а потом взять substring, например.
Или вычитывать блоками, пока не наткнетесь на десяток переводов строк.

[sorry_i_noob]

Stalker_RED, если я буду вычитать блоками, то регулярка может не сработать - в одном блоке 5 пробелов. и в другом - тоже. а регулярка ищет 10. как быть?

[Stalker_RED]

sorry_i_noob, в обоих этих способах регулярка не нужна.

[sorry_i_noob]

Stalker_RED, тут же есть непечатаемые символы. Просто скопировать их как есть и вставить в аргумент / часть аргумента функции? Нужно быть увереным, что каждая глава книги разделена СОВЕРШЕННО ОДИНАКОВО.

[sorry_i_noob]

Stalker_RED, посмотрите файл "book_1.txt" - главу "СПЛОШНЫЕ СЛЕЗЫ" - сколько там переносов строк после названия главы до ее текста (7 переносов). И посмотрите любую другую главу, например, следующую - "Я КРАДУ ДОБЫЧУ КОРОЛЯ" - там другое количество переносов строк после названия главы до ее текста (2 переноса).

Как с этим справиться без регулярок?

[Stalker_RED]

sorry_i_noob, в большинстве случаев, задачу можно решить несколькими способами, и одни из них могут вам показаться более простыми, а другие - более сложными. На практике выбирают те что понадежнее, поэкономнее по ресурсам, попроще в реализации, или даже какие первые в голову придут.

Можно действительно читать блоками, подобрав размер блока так, чтобы ваша регулярка не упиралась в pcre.backtrack_limit
Чтобы избежать проблемы "пробелы попали на границу" нужно либо брать блоки с перекрытием, либо запоминать сколько там было пробелов в конце предыдущего блока и складывать их с кол-вом пробелов в начале текущего.

Или можно забраться в настройки и увеличить pcre.backtrack_limit и надеяться, что PHP сможет прожевать ваш файл.

Или можно вашу регулярку подправить:
\s{10}Глава
https://regex101.com/r/PZt3oH/1

И это еще не все, можно продолжить выдумывать дальше.

Например удалить все пробелы в пустых строках, тогда переводы строки будет легче считать.