带有可选组跳过有效数据的正则表达式多行模式答案

【问题标题】：Regex multiline mode with optional group skip valid data带有可选组跳过有效数据的正则表达式多行模式
【发布时间】：2017-06-26 13:25:27
【问题描述】：

考虑下一个例子：

$payload = '
ababaaabbb =%=
ababaaabbb =%=
ababaa     =%=
';

$pattern = '/^[ab]+\s*(?:=%=)?$/m';
preg_match_all($pattern, $payload, $matches);
var_dump($matches);

匹配的预期和实际结果是：

"ababaaabbb =%="
"ababaaabbb =%="
"ababaa     =%="

但是如果$payload改为

$payload = '
ababaaabbb =%=
ababaaabbb =%=
ababaa     =%'; // "=" sign removed at EOL

实际结果是

"ababaaabbb =%="
"ababaaabbb =%="

但预期是

"ababaaabbb =%="
"ababaaabbb =%="
"ababaa     "

为什么会这样？由于?，组(?:=%=)? 是可选的，并且有效负载中的最后一个字符串也应该出现在匹配结果中。

【问题讨论】：

将行尾锚点放在可选组内：(?:=%=$)?
哦，它有效！但是，怎么做？ $ 在多行模式下代表“\n 或 EOL 之前”，因此，它应该适用于字符串“ababaa =%”，因为带有“=%=”的可选部分无效，但可以使用 EOL $，或者我可以把“\n”放在最后。
当可选组失败（我建议的更改）时，模式不需要到达行尾即可成功，匹配停止在最后一个空格或最后一个 a 或 b如果没有空格。
对我来说很奇怪：我认为如果可选（原文如此！）组匹配失败，则匹配继续进行，但不会在第一次失败时停止。
哦，由于meta.stackexchange.com/questions/1555/…，我无法将您的评论标记为正确答案也许，您将其移至此处的单独帖子，我将其标记为解决方案？

标签： php regex preg-match-all pcre multiline

【解决方案1】：

看看你当前的正则表达式图：

=%= 是可选的（查看white space 和End of line 之间的分支如何分叉），但 EOL 是必需的。这意味着在一个或多个 a 或 b 符号以及零个或多个空格之后，必须出现 EOL。但是，您的第三行有 =% => 不匹配。

现在，当您将 $ 锚点移动到可选组中时：

行尾现在也是可选，匹配1+ a 或b 字符和可选空格后将返回匹配项。

【讨论】：

谢谢你，很好的解释！
:) “眼见为实。”

【解决方案2】：

由于最后一行以 =% 结尾，您应该将最后一行 = 设为可选，并为您的预期数据使用捕获组：

/^([ab]+\s*)(?:=%=?)?$/m

RegEx Demo

PS：您的预期结果在捕获的第 1 组中可用

【讨论】：

看预期结果的最后一行。
不，因为只有=%= 或者什么都不应该匹配。
您的最后一行仅以=% 结尾，那么为什么该行包含在预期结果中？
真实世界的问题发布在这里：stackoverflow.com/questions/41808736/… 在这种情况下，您可以看到我需要的最后一行。
好的，我会单独解决这个问题。如果您认为此问题重复，请随时删除。

【解决方案3】：

(?:=%=)? 组在您的正则表达式中是可选的。这并不意味着该组的每个部分也是可选的。

您的正则表达式只有在看到as 和bs 的字符串、可选空格、然后是（1）=%= 和行尾或（2）只是行尾时才有效.如果它看到一串as 和bs、空格，然后是除=%= 或行尾之外的任何内容，它将不起作用。所以，=% 不起作用。

要完成您显然想做的事情，您需要将第二个 = 设为可选，如下所示：

$pattern = '/^[ab]+\s*(?:=%=?)?$/m';
// see the additional ? here^

但在这种情况下，您似乎根本不想要=% ，这意味着您还需要获得更多创意：

$pattern = '/^[ab]+\s*(?:(?:=%=)?$|(?==%$))/m';

Demo.

【讨论】：

就我而言，可选部分是=%=、=%、=，什么都没有。我很惊讶您的“如果它看到一串as 和bs、空格，然后是除=%= 或行尾之外的任何内容。”。我想，那个可选组 - 如果它不匹配 - 只是在 EOL 处“跳过”与$ 匹配，这导致所有字符串如“aabb =%”都匹配。
好吧，如果您还想在行尾只允许=，请将我的第二个示例更改为$pattern = '/^[ab]+\s*(?:(?:=%=)?$|(?==%?$))/m';（注意% 后面的?）。如果不匹配，可选组被跳过，但整个模式仍然必须匹配。想象一下，如果您从您的正则表达式中删除可选组，留下/^[ab]+\s*$/m。这与 ababaa =% 不匹配，因为空格和行尾之间有一些东西 (=%)。