Question

我正在研究一个相对复杂，非常大的正则表达式。它目前有41,127个字符，并且可能会增加一些，因为可能会添加其他案例。我开始在PHP中出现此错误：

preg_match_all（）：编译失败：偏移41123处的正则表达式太大

有没有办法增加大小限制？其他地方建议的以下设置不起作用，因为这些适用于数据大小而不是正则表达式大小：

ini_set("pcre.backtrack_limit", "100000000");
ini_set("pcre.recursion_limit", "100000000");

或者，有没有办法定义一个＆＃34;子模式变量＆＃34;正则表达式中的正则表达式可以在正则表达式中的各个地方重复吗？（我不是在谈论使用*或+重复，甚至不是重复匹配＆＃34; 1＆＃34;）？我实际上使用的PHP变量包含在正则表达式中的几个地方重复的子模式，但是这会导致正则表达式在传递给PRCE函数之前扩展。

这是一个复杂的正则表达式，不能被更简单的关键字搜索替换为使用strpos或this link建议的相似内容。

我宁愿避免将其拆分为| 的子表达式，并尝试分别匹配子表达式，因为缩小尺寸会适度（只有2个）或顶级|中的3个），这将使进一步的发展复杂化。

Answer 1

我不同意可能有更好方法的评论，但我会在这里回答这个问题。

您可以增加正则表达式的最大大小，但只能通过自己重新编译PHP。因此，您的代码根本不可移植，如果您使用的是预编译的二进制文件，那么您运气不佳。

那就是说，我建议找一个匹配的替代方案。

请参阅pcre_internal.h以获取评论。

PCRE将其编译代码中的偏移量保持为2字节数量   （默认情况下，始终以big-endian顺序存储）。这些用于   例如，从子模式的开头到其替代方案的链接   并结束。每个偏移使用2个字节限制了大小   编译正则表达式大约64K，几乎足够大   每一个人。但是，我收到了更大限制的请求。   出于这个原因，还要使代码更容易维护   现在处理从字节串中存储和加载偏移量   通过这里定义的宏。

宏是   由LINK_SIZE的值控制。默认为2   config.h文件，但可以在命令行上使用-D覆盖。   这是通过＆＃34; configure＆＃34;在Unix系统上实现的。命令。

因此，您可以从PHP源代码分发中编辑ext/pcre/pcrelib/config.h以增加大小限制，或在编译./configure -DLINK_SIZE=4

时指定它

编辑：如果您正在尝试匹配/解析HTML，我建议使用DOMDocument来解析HTML，然后遍历DOM树或构建XPATH以查找您正在寻找的内容。< / p>

Answer 2

根据具体应用，有效的解决方案是：

使用DEFINE缩短正则表达式用于任何冗余子表达式（见下文）。
通过重新编译PHP来增加正则表达式大小的最大限制（请参阅drew010＆＃39;答案很棒）。虽然这可能并非在所有环境中都可用，但如果更改服务器可能会产生兼容性问题。
在| 拆分正则表达式，并分别处理生成的子表达式。如果正则表达式基本上是由|分隔的众多关键字，那么使用strpos转换为strtok或循环可能是更好的＆amp;更快的选择。
使用其他语言/正则表达式引擎，例如C ++ / Boost ，虽然我没有验证这一点。

解决我的具体问题：根据Mario的评论，使用(?(DEFINE)...)构造对多次重复使用的某些子表达式减少了我的正则表达式大小从41,127个字符到＃34;仅＃34; 4,071，这是摆脱错误“正则表达式太大”的优雅解决方案。

请参阅： (?(DEFINE)...) syntax reference at rexegg.com

Answer 3

让您尝试过的array_chunk拆分数组，然后在foreach（）中使用preg_match_all。我使用的是完全相同的代码，并且我有一个40k +的数组，因此我通过了上述解决方案，但是它没有解决我的“编译失败：正则表达式在偏移处太大”的问题，然后将40k +数组拆分为4 1k个元素的数组，在我的preg_match_all条件下使用foreach（），瞧！有效。

＆＃34;正则表达式太大＆＃34; PHP

3 个答案: