Question

我正在处理几个GB的文本，我的脚本在preg_replace（）上死掉。经过一些研究后，我提取了文本中有问题的部分，其中出现了泄漏。

preg_replace('/\b\p{L}{0,2}\b/u', '', "\x65\xe2\xba\xb7\x69\xe3\xb1\xae");

PHP致命错误：允许的内存大小为134217728字节耗尽（尝试分配251105872字节）

我正在尝试删除短（最多2个字符）单词。我还发现，如果我将regexp更改为：

preg_replace('/\b\p{L}{1,2}\b/u', '', "\x65\xe2\xba\xb7\x69\xe3\xb1\xae");

它运作正常。

有人可以解释一下有什么问题吗？第一个例子适用于99％的文本。

Answer 1

\b\p{L}{0,2}\b
        ^

此处的0将使正则表达式匹配的位置超出您的需要，并且可能需要两次或更多才能进行匹配和替换。

例如：您使用\b\p{L}{0,2}\b（regex101 demo）与“Lorem ipsum”文本进行344次匹配，但只有19次使用\b\p{L}{1,2}\b（regex101 demo）。

如果它是替代品，你还会做更多的事情！