Question

我有一个字符串，对它运行一个正则表达式，但出现错误。

PHP：

<?php 
$str = 'modified:   apps/aaaaaa/bbbbbb/cccc
    modified:   apps/ami (new commits)
    modified:   apps/assess (new commits)
    modified:   apps/ees121 (new commits)
    modified:   apps/energy_bourse (new commits)
    modified:   apps/gis (new commits)
    modified:   apps/hse (new commits)
    modified:   apps/aa/aaa/a/bb/b/bb/bc/c22/s/df/s/
    modified:   apps/management (new commits)
    modified:   apps/payesh (new commits)
    modified:   external_apps (modified content)
    modified:   modules/esb_server (new commits)
    modified:   modules/formbuilder (new commits, modified content)
    modified:   modules/reporting (new commits)
    modified:   modules/safir (new commits)
    modified:   modules/workflow (new commits)
    modified:   vendor/raya_framework/client (new commits)
    modified:   vendor/raya_framework/core (new commits)';
preg_match_all("/modified:\s+((\w+\/?)+).*\)/", $str, $matches);
var_dump($matches);

这很好用，但是如果我在其中的一行中添加几个字符，则没有匹配项。例如：

modified:   apps/aaaaaa/bbbbbb/ccccfff

这似乎取决于文字字符，而不是正斜杠。为什么有些字符在这里有所作为？那我该怎么办？

Answer 1

那些多余的字符使正则表达式引擎达到回溯步骤的限制：

var_dump(preg_last_error() === PREG_BACKTRACK_LIMIT_ERROR); // will return `true`

您的正则表达式几乎很短，看起来似乎正确，但实际上，它滥用了量词，并导致Catastrophic Backtracking在失败时发生。当它在)模式序列的末尾与\w+/?不匹配时，它将尝试回溯到所有以前的子表达式中，以期找到一个)。但是它永远不会发生，嵌套的量化组和令牌使此过程像永远运行一样。

该解决方案正在重新构建您的正则表达式以考虑此问题：

modified:\s+((?>\w+\/?)+).*\)

我刚刚将第二个捕获组设为原子组。原子组（顾名思义）不允许回溯到群集中。因此，如果在匹配\w+\/?后找不到模式，则它永远不会回退到\w+\/?中，这会导致早期故障。

对此正则表达式的正确修改是将.*替换为更具限制性的内容：

modified:\s+((?>\w+\/?)+)[^)\v]*\)

请参见live demo here

PHP代码：

preg_match_all('~modified:\s+((?>\w+/?)+)[^)\v]*\)~', $str, $matches);

输入字符串中的一些额外字符使正则表达式无法匹配

1 个答案: