Question

我正在尝试查找包含域的字符串。我有以下模式：

"|s:\\d+:\\\\\"((?:.(?!s:\\d+))+?){$domain}(.+?)\\\\\";|"

这个（模式）似乎可以工作，但是我只得到PHP中的前两个匹配项。

$filename = "caciki_tr.sql";
$domain   = "caciki.com.tr";

$domain   = escape($domain, ".");

$content = file_get_contents($filename);

$pattern = "|s:\\d+:\\\\\"((?:.(?!s:\\d+))+?){$domain}(.+?)\\\\\";|";

preg_match_all($pattern, $content, $matches, PREG_SET_ORDER);
print_r($matches);

function escape($string, $chars) {
    $chars = str_split($chars);
    foreach ($chars as $char) {
        $string = str_replace($char, "\\{$char}", $string);
    }
    return $string;
}

Array
(
    [0] => Array
        (
            [0] => s:121:\"/home/caciki/domains/caciki.com.tr/public_html/wp-content/themes/rafine/woocommerce/single-product/product-thumbnails.php\";
            [1] => /home/caciki/domains/
            [2] => /public_html/wp-content/themes/rafine/woocommerce/single-product/product-thumbnails.php
        )

    [1] => Array
        (
            [0] => s:81:\"/home/caciki/domains/caciki.com.tr/public_html/wp-content/themes/rafine/style.css\";
            [1] => /home/caciki/domains/
            [2] => /public_html/wp-content/themes/rafine/style.css
        )

)

仅当我修改目标文件时，我才获得所有匹配项（11）。一定是在破坏模式/ PHP。

我已经在Python和C＃中测试了相同的模式，它们给出了正确的结果：

那这里怎么了？

caciki_tr.sql（目标文件）

更新：此处的模式用于不同的子字符串（例如，域，URL，用户名等）。并非目标文件中的所有字符串都遵循相同的模式。例如，URL模式应该能够匹配以下内容：

$url = "http://[DOMAIN_OMITTED]/~caciki";
$pattern = "|s:\d+:\\\\\"([^s]*(?:s(?!:\d)[^s]*)*){$url}(.+?)\\\\\";|";

s:28:\"http://[DOMAIN_OMITTED]/~caciki\";
s:28:\"<a href=\"http://[DOMAIN_OMITTED]/~caciki\">some page</a>\";

简而言之，s:28:\"和子字符串（$ url）之间或子字符串之后可能没有字符串。因此它应该是可选的。

Answer 1

当前模式效率很低，因为它包含损坏的"tempered greedy token"，(?:.(?!s:\d+))+?。如果您想在生产中使用这种正则表达式，这是一个效率很低的构造，应“解开”。

您可以使用[^s]*(?:s(?!:\d)[^s]*)*代替

：

"|s:\d+:\\\\\"([^s]*(?:s(?!:\d)[^s]*)*)$domain(.+?)\\\\\";|'
               ^^^^^^^^^^^^^^^^^^^^^^^

详细信息

[^s]*-除s以外的0多个字符
(?:-非捕获组重复...
- s(?!:\d)-s后没有: +数字
- [^s]*-除s以外的0多个字符
)*-零次或多次。

请注意，如果您打算使用大文件，请确保您的模式尽可能高效。另外，如果您要使用大文件，here是一个有趣的解决方案（pcregrep是非常快速的工具）。

preg_match_all找不到所有匹配项

1 个答案: