pcre2_substitute() 函数支持多少捕获组？

Question

我在我的 C++ 项目中使用 pcre2_substitute() 函数来执行正则表达式替换：

int ret=pcre2_substitute(
  re,                    /*Points to the compiled pattern*/
  subject,               /*Points to the subject string*/
  subject_length,        /*Length of the subject string*/
  0,                     /*Offset in the subject at which to start matching*/
  rplopts,               /*Option bits*/
  0,                     /*Points to a match data block, or is NULL*/
  0,                     /*Points to a match context, or is NULL*/
  replace,               /*Points to the replacement string*/
  replace_length,        /*Length of the replacement string*/
  output,                /*Points to the output buffer*/
  &outlengthptr          /*Points to the length of the output buffer*/
);

This is the man page of the function。它没有说有多少捕获组是可能的。我已经测试过$01、${6}、$12有效，但限制是多少？

我检查了是否有像 C++ std::regex 这样的数字限制，但没有。 $000000000000001 作为$1 工作，而在std::regex 中它意味着$00，其余的将被视为字符串。

我用于测试的代码是this one。 您将需要 pcre2 库来运行此代码。

Answer 1

捕获组的最大数量是65,535.这也是可以在模式或替换中反向引用的最大组数。

然而，一般来说，一场比赛可能会达到另一个限制，然后才能允许大量的团体：例如主题字符串的最大长度，或内部调用match()的次数（总计或递归），但可以增加匹配限制。有关匹配限制的详细信息，请参阅“The match context”pcre2api.

---

来自pcre2limits man page

括号内的子模式的数量没有限制， 但最多只能有 65,535 个捕获子模式。

但是，括号内的嵌套深度是有限制的 各种子模式。这是为了限制数量 编译时使用的系统堆栈。限值可以在PCRE2时指定 建成;默认值为 250。

和

命名子模式的最大数量为 10,000。

^{菲利普黑兹尔。最后更新：2014 年 11 月 25 日。- *截至 PCRE2 版本 10.20}

---

PCRE 和 PCRE2 中的大小限制

PCRE 和 PCRE2 具有相同的限制：

• 重复所有值量词限制为 65,535。

• 无限数量括号内的子模式
  （尽管它仅限于各种带括号的子模式的嵌套深度）。

• 65,535捕获子模式.

• 10,000命名子模式.

• 默认最大值嵌套括号的深度是250
  （PCRE2_CONFIG_PARENSLIMIT 的值）。

• 的最大长度名字命名子模式是 32 个代码单元。
  ^{char 由 1+ code units 表示（取决于编码）。例如。在 UTF-8 中，“Ç”有 2 个代码单元：0xC3 0x87}

• 没有数量限制向后引用.

• 数量限制前向引用后续子模式的数量约为 200,000。

• 名称用于控制动词限制为 255（8 位）和 65,535（16 或 32 位）。

• PCRE2_CONFIG_MATCHLIMIT 的默认值为 10,000,000 (10m)。

• PCRE2_CONFIG_RECURSIONLIMIT 的默认值为 10,000,000 (10m)。
  (此限制仅在设置小于 MATCH_LIMIT 时适用).

• 最大长度编译模式如果使用默认的内部链接大小 2 编译，则为 64K 代码单元（有关详细信息，请参阅 pcre2build documentation）。

• 最大长度主题字符串是整数变量可以容纳的最大正数（可能是~1.8E+19）。但是，可用堆栈空间可能会限制可由某些模式处理的主题字符串的大小。
  主题字符串的最大长度（以代码单元为单位）比PCRE2_SIZE 变量可以容纳的最大数字少一。 PCRE2_SIZE是无符号整数类型，通常定义为size_t。

Answer 2

PCRE2包

它写在pcre2-10.20 自述文件那PCRE2 有一个计数器，用于限制模式中括号的嵌套深度。这限制了模式在编译时使用的系统堆栈量。默认是250，但是你可以通过设置来改变，比如--with-parens-nest-limit=500和PCRE2 有一个计数器，可以设置它来限制它在匹配模式时使用的资源量。如果在匹配过程中超过限制，则匹配失败。默认为一千万。您可以通过设置更改默认值，例如--with-match-limit=500000.

所以，似乎反向引用的数量

• 未硬编码到 PCRE2
• 很可能取决于尺寸，如果匹配限制或者匹配极限递归参数。

由于您是自己构建库，因此您可以进一步增加它。

PCRE 在线参考

来自regular-expressions.info：

大多数正则表达式支持最多99捕获组和两位数的反向引用。所以如果你的正则表达式有 99 个捕获组，99 是一个有效的反向引用。

还有Regular Expression Reference: Capturing Groups and Backreferences page：

反向引用 到 9
反向引用 到 99

请注意，作者所说的“大多数”必须指的是主要的正则表达式引擎（PHP、JavaScript、Python、.NET），而不是仅支持反向引用的 POSIX BRE、POSIX ERE、GNU BRE、GNU ERE 正则表达式风格9。

但是，在 pcre.txt 中，有一行。

ddd 带有八进制代码 ddd 或反向引用的字符

因此，根据该文档，可能有 999 个组。