Question

任务很清楚。在输入中我们有一个变量正则表达式模式，据说它包含命名的子模式，在输出中我们需要获得一个子模式名称数组：

function get_subpattern_names($any_input_pattern) {
  // What pattern to use here?
  $pattern_to_get_names = '/.../';

  preg_match_all($pattern_to_get_names, $any_input_pattern, $matches);

  return $matches;
}

所以问题是在上面的函数中使用$pattern_to_get_names的内容是什么？

例如：

get_subpattern_names('/(?P<name>\w+): (?P<digit>\d+)/');

应该返回：

array('name', 'digit');

P.S。：根据PCRE documentation子模式名称，最多包含32个字母数字字符和下划线。

由于我们无法控制输入模式，因此我们需要考虑所有可能的命名语法。根据{{3}}他们是：
(?P<name>pattern)，(?<name>pattern)和(?'name'pattern)。

我们还需要考虑嵌套的子模式，例如：
(?<name1>.*(?<name2>pattern).*)。

无需计算重复名称，保留外观顺序，或获取数字，非捕获或其他类型的子模式。如果存在，只需列出名称。

Answer 1

您可以使用

获取所有有效命名捕获组名称的列表

"~(?<!\\\\)(?:\\\\{2})*\(\?(?|P?<([_A-Za-z]\w{0,31})>|'([_A-Za-z]\w{0,31})')~"

请参阅regex和online PHP demo。

重点是匹配未跟随(的{{1}}跟随?，然后跟P<或<，然后组名模式结束>或'后面跟着群组名称模式，然后是'。

$rx = "~(?<!\\\\)(?:\\\\{2})*\(\?(?|P?<([_A-Za-z]\w{0,31})>|'([_A-Za-z]\w{0,31})')~";
$s = "(?P<name>\w+): (?<name2>\w+): (?'digit'\d+)";
preg_match_all($rx, $s, $res);
print_r($res[1]);

产量

Array
(
    [0] => name
    [1] => name2
    [2] => digit
)

模式详情

(?<!\\) - 紧靠当前位置左侧的\
(?:\\\\)* - 0+双反斜杠（允许(之前的任何转义反斜杠）
\( - (
\? - ?
(?|P?<([_A-Za-z]\w{0,31})>|'([_A-Za-z]\w{0,31})') - 分支重置组：
- P?<([_A-Za-z]\w{0,31})> - 可选的P，<，_或ASCII字母，0到31个字符（数字/字母/ _）（捕获到第1组）和>
- | - 或
- '([_A-Za-z]\w{0,31})' - '，_或ASCII字母，0到31个字符（数字/字母/ _）（也被捕获到第1组），然后'

组名模式都被捕获到组1中，您只需要获得$res[1]。

Answer 2

Wiktor的解决方案似乎非常彻底，但这就是我想出来的。

print_r(get_subpattern_names('/(?P<name>\w+): (?P<digit>\d+)/'));

function get_subpattern_names($input_pattern){
    preg_match_all('/\?P\<(.+?)\>/i', $input_pattern, $matches);
    return $matches[1];
}

这适用于大多数情况。更重要的是，这更具可读性和不言自明。

基本上，我搜索?P<后跟(.+?)，后者转换为角括号之间的某个non-greedy版本。然后该函数返回$matches数组中的第一个偏移量，该偏移量指向匹配的第一组括号。

模式

2 个答案: