为什么这个正则表达式在 PHP 中不贪心答案

【问题标题】：Why this regex is not greedy in PHP为什么这个正则表达式在 PHP 中不贪心
【发布时间】：2014-02-25 21:17:06
【问题描述】：

这个正则表达式应该匹配列表，就像在 Markdown 中一样：

/((?:(?:(?:^[\+\*\-] )(?:[^\r\n]+))(?:\r|\n?))+)/m

它在 Javascript 中工作（添加了g 标志），但我在将它移植到 PHP 时遇到了问题。它的行为不贪婪。这是我的示例代码：

$string = preg_replace_callback('`((?:(?:(?:^\* )(?:[^\r\n]+))(?:\r|\n?))+)`m', array(&$this, 'bullet_list'), $string);

function bullet_list($matches) { var_dump($matches) }

当我输入一个包含三行的列表时，它会显示：

array(2) { [0]=> string(6) "* one " [1]=> string(6) "* one " } array(2) { [0]=> string(6) "* two " [1]=> string(6) "* two " } array(2) { [0]=> string(8) "* three " [1]=> string(8) "* three " }

显然var_dump 被调用了 3 次，而不是像我期望的那样只调用一次，因为正则表达式是贪婪的，并且必须匹配尽可能多的行。我已经在 regex101.com 上对其进行了测试。如何让它正常工作？

【问题讨论】：

那些反引号真的存在吗？
@TimPietzcker 反引号作为正则表达式修饰符
@Tim Pietzcker 已修复。当我不需要时使用反斜杠来逃避反引号
啊，我曾将反斜杠视为斜杠并感到困惑:)
您需要小心，因为您的匹配仅在文本以项目符号列表开头时才有效。它也只匹配一个列表。如果您想匹配所有列表，请参阅我的答案。

标签： php regex preg-replace-callback

【解决方案1】：

您的正则表达式可以简化为：

(?:^[+*-] [^\r\n]+\R*)+

没有必要做所有这些组。
\R 表示任何类型的换行符\n 或\r 或\r\n

编辑： \R 在字符类中失去了它的特殊含义。 [\R] 表示 R
感谢 HamZa

【讨论】：

我不知道\R 快捷方式，太好了！
这不也匹配后续的非列表行吗？
@TimPietzcker：是的，缩短正则表达式非常有用。请参阅en.wikipedia.org/wiki/Perl_Compatible_Regular_Expressions 处的 § 反斜杠-R 选项
@M42 不幸的是，\R 在字符类中不起作用。 [\R]will match R literally.
@HamZa：是的，你是对的。太糟糕了......答案已相应编辑。

【解决方案2】：

如果您的输入文本中有 \r\n 换行符，此正则表达式将无法正常工作。

(?:\r|\n?) 部分匹配 either an \r 或 an \n，但不能同时匹配两者。（regex101 仅将换行符视为\n，因此它在那里工作）。

以下是否有效？

/(?:(?:(?:^[+*-] )(?:[^\r\n]+))[\r\n]*)+/m

（或者，在删除所有不必要的非捕获组之后 - 谢谢@M42！）

/(?:^[+*-] [^\r\n]+[\r\n]*)+/m

【讨论】：

是的，它有效，但您忘记将整个表达式括在括号中：/((?:(?:(?:^[+*-] )(?:[^\r\n]+))[\r\n]*)+)/m
@Juribiyan：不需要外括号

【解决方案3】：

这将匹配所有带项目符号的行，直到它到达没有项目符号的第一行。

(?<=^|\R)\*[\s\S]+?(?=$|\R[^*])

\* 匹配一个项目符号，其中：
- (?<=^|\R) 前面是字符串的开头或换行符。
[\s|S]+? 非贪婪匹配任何字符
- (?=$|\R[^*]) 匹配的序列后跟字符串结尾或换行符后跟 *。本质上，这意味着当找到非项目符号行或字符串结尾时，序列匹配就完成了。

结果：

结果匹配显示在下面的 RegexBuddy 输出中（Regex 101 无法处理）：

【讨论】：

See my previous comment about \R 在一个字符类中。
@HamZa 非常感谢，这总是让我绊倒。需要记住这是一个位置匹配。