Question

我遇到以下情况：

...    
preg_match('/#(.+?):(.+?)#/im','partA#partB#partC:partD#partE#partF',$matches);
...

执行后$ match变为

 Array
    (
        [0] => #partB#partC:partD#
        [1] => partB#partC
        [2] => partD
     )

如果我使用非贪婪的通配符$matches[1]，partC成为?是否正常？我错过了什么吗？

我设法通过使用'/#([^#]+?):([^#]+?)#/im'作为模式来解决它，但是相关的解释将很好地清除云。

感谢。

Answer 1

捕获组1正在寻找#然后查找任何内容（不包括新行），直到第一个:。所以partB#partC是有道理的。

你的修饰语也没有做任何事情。您没有区分大小写的字母，并且您没有使用锚点。

您可以在此处查看正则表达式的处理方式，https://regex101.com/r/iS0lW9/1。

Answer 2

当你考虑正则表达式背后的基础理论时，这是有道理的。

正则表达式是所谓的finite state automaton (FSA)。这意味着它本质上会从左到右一次处理你的字符串一个字符，偶尔会倒退＃34;放弃＆＃34;字符。在您的示例中，正则表达式会看到第一个#，并注意到#没有参与模式的任何其他部分，开始匹配下一个标记（.+?，在你的情况下）。它会一直到结肠，然后匹配下一个标记（再次，.+?）。由于它是从左到右，它会匹配第一个哈希，然后停止，因为它是懒惰的。

这实际上是一种常见的误解 - 量词的?修饰符不是非贪婪的，它是 lazy 。它会匹配最小可能的字符串，从左到右。

要修复原始正则表达式，您可以像这样修改它：

/.+#(.+?):(.+?)#/im

这样做会在冒号前的最后一个哈希值之前使用贪婪匹配，强制第一个捕获组仅使用该哈希值和冒号之间的内容。同样，该组也不需要延迟修饰符，产生最终的正则表达式：

/.+#(.+):(.+?)#/im

非贪婪的通配符＆＃34;忽略＆＃34;

2 个答案: