PHP中的遞歸正則使用說明

2020-01-20 22:18:12

字體：大中小

供稿：網(wǎng)友

之前一篇文章翻譯了Perl語言中的遞歸正則表達式. 其實不少語言中的正則都是支持遞歸的, 例如本文要介紹的PHP正則遞歸. 雖然, 工作中最常用的正則表達式都很”正則”, 只用最基本的語法就能解決85%以上的問題, 而且合理有效地使用普通正則來解決復(fù)雜問題也是一門技巧與學(xué)問; 但是高級一點的語法的確有它存的價值, 有時不用它還真辦不了事兒; 況且學(xué)習正則的樂趣也在于嘗試各種各樣的可能性, 滿足自己無窮無盡的好奇心.

本文內(nèi)容, 整理自網(wǎng)文Finer points of PHP regular expressions. 其分析過程剝繭抽絲, 絲絲入扣, 值得一讀. 該文系統(tǒng)地列出了PHP中正則表達式常見特性, 我只摘取其中遞歸部分翻譯整理出來.

正文
例子
什么時候會用到遞歸正則表達式呢? 當然是待匹配的字串中遞歸地出現(xiàn)某種模式時(貌似廢話). 最經(jīng)典的例子, 就是遞歸正則處理嵌套括號的問題了. 例子如下.

假設(shè)你的文本中包含了正確配對的嵌套括號. 括號的深度可以是無限層. 你想捕獲這樣的括號組.

恕我劇透, 標準答案是這樣的:

復(fù)制代碼代碼如下:

 
<?php 
$string = "some text (a(b(c)d)e) more text"; 
if(preg_match("http://(([^()]+|(?R))*/)/",$string,$matches)) 
{ 
echo "<pre>"; print_r($matches); echo "</pre>"; 
} 
?> 

其輸出結(jié)果是:

復(fù)制代碼代碼如下:

 
Array 
( 
[0] => (a(b(c)d)e) 
[1] => e 
) 

可見, 我們所需要的文本, 已經(jīng)捕獲到$matches[0]中了.

原理
現(xiàn)在思考原理.

上面的正則表達式中的關(guān)鍵點是(?R). (?R)的作用就是遞歸地替換它所在的整條正則表達式. 在每次迭代時, PHP 語法分析器都會將(?R)替換為”/(([^()]+|(?R))*/)“.

因此, 具體到上述的例子, 其正則表達式等價于:

"http://(([^()]+|/(([^()]+|/(([^()]+)*/))*/))*/)/"

但是上面的代碼只適合深度為3層的括號. 對于未知深度的括號嵌套, 就只好使用這種正則了:

"http://(([^()]+|(?R))*/)/"

它不但能夠匹配無限深度, 還簡化了正則表達式的語法. 功能強大, 語法簡潔.

現(xiàn)在來細看一下"http://(([^()]+|(?R))*/)/"是怎樣匹配"(a(b(c)d)e)"的:

"(c)"這部分被正則式 "/(([^()]+)*/)" 匹配. 請注意, (c) 其實就相當于整個遞歸的一個縮影, 麻雀雖小五臟俱全, 因此它用到了整個正則表達式.
換言之, 下一步中的(c), 可以使用(?R) 來匹配.
(b(c)d)的匹配過程為:
"/("匹配"(";
"[^()]+"匹配"b";
(?R)匹配"(c)";
"[^()]+"匹配"d";
"/)"匹配")".
根據(jù)上面的匹配原理, 不難理解為什么數(shù)組的第2個元素$matches[1]與'e'等價. 子串'e'是在最后一次匹配迭代中被捕獲. 匹配過程中, 只有最后一次的捕獲結(jié)果才會保存到數(shù)組中.

rex注: 關(guān)于這個特性, 可以自行嘗試一下, 看看使用正則式([a-z]+[0-9]+)+來匹配字串a(chǎn)bc123xyz890, 其捕獲結(jié)果$1是什么. 注意, 其結(jié)果與 Left Longest 原理并不沖突.

如果我們只需要捕獲 $matches[0], 可以這樣做:

復(fù)制代碼代碼如下:

 
<?php 
$string = "some text (a(b(c)d)e) more text"; 
if(preg_match("http://((?:[^()]+|(?R))*/)/",$string,$matches)) 
{ 
echo "<pre>"; print_r($matches); echo "</pre>"; 
} 
?> 

產(chǎn)生的結(jié)果相同:

復(fù)制代碼代碼如下:

 
Array 
( 
[0] => (a(b(c)d)e) 
) 

所做的改動是捕獲括號()改為非捕獲捕獲括號(?:)了.

還可以進一步完善為:

復(fù)制代碼代碼如下:

 
<?php 
$string = "some text (a(b(c)d)e) more text"; 
if(preg_match("http://((?>[^()]+|(?R))*/)/",$string,$matches)) 
{ 
echo "<pre>"; print_r($matches); echo "</pre>"; 
} 
?> 

這里我們用到了所謂的一次性模式(rex注: 余晟先生譯的《精通正則表達式v3.0》中, 謂之”固化分組”. 可參考該書.) PHP手冊也推薦只要條件允許, 就盡可能使用這種模式, 以便提升正則表達式的速度.

一次性模式很簡單, 這里不再詳述. 如果感興趣, 可以參考PHP 官方手冊. 如果您想深入學(xué)習PERL兼容式正則表達式, 請參考文末鏈接.

原文: Finer points of PHP regular expressions

Perl兼容正則表達式官網(wǎng) 文檔

PHP官網(wǎng)的PCRE正則文檔

上一篇：Java/Js下使用正則表達式匹配嵌套Html標簽

下一篇：正則表達式筆記三則