регулярка

Может быть, стоит не мучить себя и PCRE и воспользоваться xml-парсером?

Я думаю, с помощью xpath можно будет вытащить все, что вам заблагорассудится.

Впрочем, ваши данные - невалидный xml. В приведенных примерах, правда, это можно легко исправить.

нашел решение путем замены (.*?\n?)* на (?s:.*?). Вопрос номер 2 что означает ?s: ?:)

Например, в том, что число способов сопоставления с выражением (.*?\n?)* экспоненциально от длины строки.

(?s) как и /s - это dotall option. Позволяет захватывать знаком "." символы \n.

Заинтересовало, решил отдебажить:

perl -Mre=debug -lne 'print /<\s*(.*?\n?)\s*>((?s:.*?))<\/\s*\1\s*>/gi' test 2> debug_with_s

debug_with_s 72.6 кб

perl -Mre=debug -lne 'print /<\s*(.*?\n?)\s*>((.*?\n?)*)<\/\s*\1\s*>/gi' test 2> debug_without_s

ещё молотит, но debug_without_s уже 4.8 гб. %)

Причина в кривой реализации перловых регэкспов через бектрекинг а не трансляцию в конечные автоматы.

А можно поконкретнее? Или лучше ссылкой киньте, где почитать. Гугль не помог.

http://swtch.com/~rsc/regexp/regexp1.html

m/<\s*([\w:-]+)[^>]*>([^<]*)<\/\s*\1\s*>/g