pcre2_substitute() 函数支持多少个捕获的组？

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的组是可能的。我已经测试过$01、${6}、$12 可以工作，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 与 $1 一样工作，而在 std::regex 中则意味着 $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

PCRE2 包

pcre2-10.20\README 中写到，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数量。默认值为 250，但您可以通过设置来更改它，例如，--with-parens-nest-limit=500 并且 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。如果在匹配期间超出限制，则匹配失败。默认值为一千万。您可以通过设置更改默认值，例如--with-match-limit=500000。

看来，反向引用的数量

• 没有硬编码到 PCRE2 中
• 如果 match limit 或 match limit recursion 参数很可能取决于大小。

由于您自己构建库，因此您可以进一步增加。

PCRE 在线参考

来自regular-expressions.info：

大多数正则表达式支持多达 99 个捕获组和两位数的反向引用。因此，如果您的正则表达式有 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 \1 到 \9
反向引用 \10 到 \99

请注意，“大多数”作者必须指的是主要的正则表达式引擎（PHP、JavaScript、Python、.NET），而不是仅支持的 POSIX BRE、POSIX ERE、GNU BRE、GNU ERE 正则表达式风格反向引用高达\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，根据本文档，可以有 999 个组。

Answer 2

捕获组的最大数量为 65,535。这也是在模式或替换中可以反向引用的最大组数。

但是，一般来说，匹配可能会在允许大量组之前达到另一个限制：例如主题字符串的最大长度，或内部调用match() 的次数（总共调用或递归调用），但可以增加匹配限制。有关匹配限制的详细信息，请参阅 pcre2api 中的“The match context”。

---

来自pcre2limits man page

括号内的子模式的数量没有限制， 但捕获子模式不能超过 65,535 个。

然而，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。 PCRE2时可以指定限制 建成;默认为 250。

和

命名子模式的最大数量为 10,000。

^{菲利普·黑泽尔。最后更新时间：2014 年 11 月 25 日。 - *截至 PCRE2 版本 10.20}

---

PCRE 和 PCRE2 的大小限制

PCRE 和 PCRE2 具有相同的限制：

• 重复量词中的所有值都限制为 65,535。

• 无限数量的带括号的子模式
  （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 个命名子模式。

• 默认的最大嵌套括号深度为 250
  （PCRE2_CONFIG_PARENSLIMIT 的值）。

• 命名子模式的 names 的最大长度为 32 个代码单元。
  ^{一个字符由 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}

• 向后引用的数量没有限制。

• 对后续子模式的前向引用数量限制约为 200,000。

• 控制动词中使用的名称限制为 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)。
  （此限制仅适用于设置为小于 MATCH_LIMIT）。

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

  李>

• 主题字符串的最大长度是整数变量可以容纳的最大正数（可能是~1.8E+19）。但是，可用的堆栈空间可能会限制某些模式可以处理的主题字符串的大小。
  主题字符串的最大长度（以代码为单位）比PCRE2_SIZE 变量可以容纳的最大数字小一。 PCRE2_SIZE是无符号整数类型，通常定义为size_t。