具有可选组跳过有效数据的正则表达式多线模式

Question

考虑下一个例子：

let init n ~f =
  if n < 0 then raise (Invalid_argument "init");
  let rec loop i accum =
    if i = 0 then accum
    else loop (i-1) (f (i-1) :: accum)
  in
  loop n []
;;

匹配的预期和实际结果是：

$payload = '
ababaaabbb =%=
ababaaabbb =%=
ababaa     =%=
';

$pattern = '/^[ab]+\s*(?:=%=)?$/m';
preg_match_all($pattern, $payload, $matches);
var_dump($matches);

但如果"ababaaabbb =%=" "ababaaabbb =%=" "ababaa =%=" 更改为

$payload

实际结果是

$payload = '
ababaaabbb =%=
ababaaabbb =%=
ababaa     =%'; // "=" sign removed at EOL

但预计是

"ababaaabbb =%="
"ababaaabbb =%="

为什么会这样？由于"ababaaabbb =%=" "ababaaabbb =%=" "ababaa " ，组(?:=%=)?是可选的，有效负载中的最后一个字符串也应出现在匹配结果中。

Answer 1

查看当前的正则表达式图：

=%= 是可选的（请参阅white space和End of line分叉之间的分支），但需要EOL 。这意味着在一个或多个a或b符号之后，以及零个或多个空格，必须出现EOL 。但是，您的第3行有=% =＆gt;没有比赛。

现在，当您将$锚点移动到可选组中时：

行尾也是可选，匹配1 + a或b字符和可选空格后会返回匹配。

Answer 2

由于最后一行以=%结尾，因此您应该将最后一个=设为可选，并为您的预期数据使用捕获组：

/^([ab]+\s*)(?:=%=?)?$/m

[2]

PS：您的预期结果在捕获的组＃1中可用

Answer 3

小组(?:=%=)?在正则表达式中是可选的。 不意味着该组的每个部分也是可选的。

你的正则表达式只有在它看到一串a s和b s，可选空格，然后是（1）=%=和行尾或（2）时才有效只是结束了。如果它看到一串a s和b s，空格，那么除了=%=以外的任何内容或该行的结尾都不会起作用。因此，=%无法工作。

要完成您显然想做的事情，您需要使第二个=可选，如下所示：

$pattern = '/^[ab]+\s*(?:=%=?)?$/m';
// see the additional ? here^

但在这种情况下，您似乎并不想要=% ，这意味着您需要获得更多创意：

$pattern = '/^[ab]+\s*(?:(?:=%=)?$|(?==%$))/m';

Demo