如何解决PHP lookbehind固定宽度限制？

Question

我在尝试匹配页面上特定字词之间找到的所有数字时遇到了问题。您将如何匹配以下文本中的所有数字，但只能在“开始”和“结束”之间进行匹配？

11
a
b
13
begin
t
899
y
50
f
end
91
h

这有效：

preg_match("/begin(.*?)end/s", $text, $out);
preg_match_all("/[0-9]{1,}/", $out[1], $result);

但是可以用一个表达式来完成吗？

我试过了，但它没有做到这一点

preg_match_all("/begin.*([0-9]{1,}).*end/s", $text, $out);

Answer 1

你可以像这样使用\G锚点，以及一些预测，以确保你没有“走出领土”（在两个词之间的区域之外）：

(?:begin|(?!^)\G)(?:(?=(?:(?!begin).)*end)\D)*?(\d+)

regex101 demo

(?:                  # Begin of first non-capture group
  begin              # Match 'begin'
|                    # Or
  (?!^)\G            # Start the match from the previous end of match
)                    # End of first non-capture group
(?:                  # Second non-capture group
  (?=                # Positive lookahead
    (?:(?!begin).)*  # Negative lookahead to prevent running into another 'begin'
    end              # And make sure that there's an 'end' ahead
  )                  # End positive lookahead
  \D                 # Match non-digits
)*?                  # Second non-capture group repeated many times, lazily
(\d+)                # Capture digits

一个debuggex，如果这也有帮助：

Answer 2

理想的解决方案

这里真正需要的是可变宽度的正面观察。正则表达式最终会像这样：

~(?<=begin.*)\d+(?=.*end)~s

但是，在撰写本文时，PHP正则表达式不支持此功能。仅支持固定宽度的后视镜。 （.Net风味确实如此）。

解决方法

为了实现我们的目标，我们可以将preg_replace_callback与以下正则表达式一起使用：

~(?<token>begin|end)|(?<number>\d+)|.*?~s

示例代码

function extract_number($input) {
  function matchNumbers($match) {
    static $in_region = false;

    switch ($match['token']) {
       case 'begin':
         $in_region=true;
       break;

       case 'end':
         $in_region=false;
       break;
    }

    if ($in_region && isset($match['number'])) {
       return $match['number'].',';
    } else {
       return '';
    }
  }

  $ret=preg_replace_callback('~(?<token>begin|end)|(?<number>\d+)|.*?~s', 'matchNumbers', $input);

  return array_filter(explode(',',$ret));
}

echo '<pre>';
echo var_dump(extract_number($str));
echo '</pre>';

输出（以OP为例）

array(3) {
  [0]=>
  string(3) "899"
  [1]=>
  string(2) "50"
}

Answer 3

假设您的项目数据在文本中仅包含一个begin和end“标记”，则可以构建更直接，更有效的模式...

代码：（PHP Demo）（Pattern Demo）

$text = "11
a
b
13
begin
t
899
y
50
f
end
91
h";
var_export(preg_match_all('~(?:begin|\G(?!^))(?:(?!end)\D)+\K\d+~s', $text, $out) ? $out[0] : 'no matches');

输出：

array (
  0 => '899',
  1 => '50',
)

Layman的崩溃：

(?:begin|\G(?!^))  #match "begin" or continue matching from the position immediately after previous match

(?:(?!end)\D)*?    #match zero or more occurrences of any non-digit character while screening for "end".  If end is found, immediately cease pattern execution.

\K                 #restart the fullstring match from this position; this avoids the expense of using a capture group on the desired digits

\d+                #match one or more digits (as much as possible)

有关模式的更多学术细分，请参见“模式演示”链接。