使用命名子模式的正则表达式看不到最佳匹配

Question

在reg exp中使用已定义的子模式时，它不会选择最佳匹配，但会在第一次匹配时停止。我忘记了一些旗帜吗？

正则表达式：(?<minutes>[0-9]|[1-5][0-9]):(?&minutes); 测试字符串：47:24;。

表达式不匹配：

但字符串47:2;已正确匹配：

如果我改变了或者＃39;条件为[1-5][0-9]|[0-9]，reg exp (?<minutes>[1-5][0-9]|[0-9]):(?&minutes);效果很好。还有其他方法可以制作字符串＆＃39; 47：24;＆＃39;匹配而不反转＆＃39;或＆＃39;条件？

Answer 1

模式从左到右匹配，替代品也从左到右尝试。这就是NFA正则表达式引擎的工作方式。 PCRE还有一个DFA引擎，它会尝试找到最长的匹配，但它不会暴露给PHP。

因此，如果您的模式类似a|b且b是a的子集，则引擎会首先尝试a并成功。 <{1}}部分将从不匹配。

你可以写b，但这似乎是多余的。

只需使用\b(?:[1-5][0-9]|[0-9])\b（如stribizhev建议的那样）一直使用它。 \b[1-5]?[0-9]\b是一个单词边界，它会确保您匹配整数，而不是jsut更大数字的几个数字。

Answer 2

使用PCRE，递归组是原子的（请参阅此article）。这就是正则表达式引擎无法在(?&minutes)中回溯的原因。

在42:24;中，2的{​​{1}}与第一个分支24匹配（自第一次获胜以来），但是当模式失败时，因为有{ {1}}在字符串中而不是[0-9]，正则表达式引擎无法在4子模式内回溯以测试第二个分支;。 （您可以查看debugger）

解决方案：不要对如此小的子模式使用递归，它没用，也毫无意义（特别是如果你使用捕获组的名称）。写点如下：

(?&minutes)

或为什么不：

[1-5][0-9]

似乎是多余的，但是如果你想提取分钟和秒钟（或者根本不使用组），它是有意义的并且很有用。毕竟，如果你使用命名捕获，你的目标不是写出世界上最短的模式。

如果你无法避免改变：

• 您可以按照卢卡斯的建议放置最长的分支：(?<minutes>[1-5]?[0-9]):(?<seconds>[1-5]?[0-9]); 。
• 您还可以使用互斥分支：(?(DEFINE)(?<sex>[1-5]?[0-9]) for "sexagesimal", not for what you think) (?<minutes>(?&sex)):(?<seconds>(?&sex)); ，[1-5][0-9]|[0-9] （在这种情况下订单无关紧要）

请注意，递归组的这种行为特别适用于PCRE，它与Perl或Ruby不同。