欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

PHP中的递归正则表达式用法分享

程序员文章站 2022-10-31 20:38:36
什么时候会用到递归正则表达式呢? 当然是待匹配的字串中递归地出现某种模式时(貌似废话). 最经典的例子, 就是递归正则处理嵌套括号的问题了. 例子如下. 假设你的文本中包含...
什么时候会用到递归正则表达式呢? 当然是待匹配的字串中递归地出现某种模式时(貌似废话). 最经典的例子, 就是递归正则处理嵌套括号的问题了. 例子如下.

假设你的文本中包含了正确配对的嵌套括号. 括号的深度可以是无限层. 你想捕获这样的括号组.
复制代码 代码如下:

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

结果是:
复制代码 代码如下:

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

可见, 我们所需要的文本, 已经捕获到$matches[0]中了.

原理

现在思考原理.

上面的正则表达式中的关键点是(?r). (?r)的作用就是递归地替换它所在的整条正则表达式. 在每次迭代时, php 语法分析器都会将(?r)替换为”\(([^()]+|(?r))*\)“.
因此, 具体到上述的例子, 其正则表达式等价于:
复制代码 代码如下:

"/\(([^()]+|\(([^()]+|\(([^()]+)*\))*\))*\)/"

但是上面的代码只适合深度为3层的括号. 对于未知深度的括号嵌套, 就只好使用这种正则了:
复制代码 代码如下:

"/\(([^()]+|(?r))*\)/"

它不但能够匹配无限深度, 还简化了正则表达式的语法. 功能强大, 语法简洁.

现在来细看一下"/\(([^()]+|(?r))*\)/"是怎样匹配"(a(b(c)d)e)"的:

"(c)"这部分被正则式 "\(([^()]+)*\)" 匹配. 请注意, (c) 其实就相当于整个递归的一个缩影, 麻雀虽小五脏俱全, 因此它用到了整个正则表达式.
换言之, 下一步中的(c), 可以使用(?r) 来匹配.

(b(c)d)的匹配过程为:
"\("匹配"(";
"[^()]+"匹配"b";
(?r)匹配"(c)";
"[^()]+"匹配"d";
"\)"匹配")".

根据上面的匹配原理, 不难理解为什么数组的第2个元素$matches[1]与'e'等价. 子串'e'是在最后一次匹配迭代中被捕获. 匹配过程中, 只有最后一次的捕获结果才会保存到数组中.
关于这个特性, 可以自行尝试一下, 看看使用正则式([a-z]+[0-9]+)+来匹配字串abc123xyz890, 其捕获结果$1是什么. 注意, 其结果与 left longest 原理并不冲突.

如果我们只需要捕获 $matches[0], 可以这样做:
复制代码 代码如下:

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

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

所做的改动是捕获括号()改为非捕获捕获括号(?:)了.

还可以进一步完善为:
复制代码 代码如下:

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

这里我们用到了所谓的一次性模式(rex注: 余晟先生译的《》中, 谓之”固化分组”. 可参考该书.) php手册也推荐只要条件允许, 就尽可能使用这种模式, 以便提升正则表达式的速度.