Question

我有这个正则表达式模式：

/(?J){% *(?P<tag>[a-zA-Z_]+) *(?P<args>[a-zA-Z0-9 _-]+) *%}(?P<block>.*){% *end(?P<tag>[a-zA-Z_]+) *%}/s

这个搜索字符串：

{% import add %}{% endimport %}
{% extends base.html %}{% endextends %}
{%       block              title %}
Changed
{% endblock %}
{% block content %}
Yay!
{% endblock %}

通过preg_match_all运行时，它会返回完整的搜索字符串，而不是第一个{% import add %}{% endimport %}。为什么，我该如何解决？

Answer 1

您有一个命名模式：(?P<block>.*)。

将其更改为(?P<block>.*?)（在明星后添加?。）

一般注释：.*（贪婪版本）等模式应与非常小心，因为他们可能会消耗太多远。

您还可以对正则表达式进行进一步改进：

将(?P<tag>[a-zA-Z_]+)的第二个实例更改为(?P=tag) - a 对第一次使用的tag组的反向引用。我假设在end之后应该有相同的文字，它捕获了第一个tag组。
然后您可以删除(?J)，因为没有多次出现任何命名模式更多。
也许您也应该将(?P<args>[a-zA-Z0-9 _-]+)更改为 (?P<args>[a-zA-Z0-9\. _-]+)（将字面点添加到允许的集合中字符）。或者将允许的字符列表更改为[^%]。那么这个模式也会匹配 {% extends base.html %}{% endextends %}（样本的第一行）。

Answer 2

正则表达式是＆＃34;贪心＆＃34;默认情况下 - 他们采用最长匹配，而不是最短。

在这种情况下，您的问题似乎是.*令牌，它基本上转换为＆＃34;匹配任何内容＆＃34;。这将通过立即匹配字符串的整个剩余部分，然后反向跟踪来操作，直到可以满足正则表达式的后续部分。结果是，最后一个{% something %}标记的所有内容都被视为您的最终匹配。

对此最简单的解决方案是使用.*?，这意味着＆＃34;匹配任何东西，但不要贪图它＃34;。这将从没有匹配开始，然后向前工作，直到模式可以匹配，可能会给你你想要的结果。

但是，正如评论中所述，标记化解析器可能更适合此类任务：跟踪字符串，将其分为标记序列，非标记，标记，非标记，然后匹配之后的标签。这将使您的语法更加灵活，并且可以减少嵌套标签等复杂性或检测格式错误的输入的麻烦。

正则表达式没有采取尽可能少的匹配

2 个答案: