正则表达式练习：带有前瞻断言的不情愿量词

Question

你能解释一下这是如何工作的吗？这是一个例子：

<!-- The quick brown fox 
              jumps over the lazy dog -->

<!--[if IE 7]>
    <link rel="stylesheet" type="text/css" href="/supersheet.css" />
<![endif]-->

<!-- Pack my box with five dozen liquor jugs -->

首先，我尝试使用以下正则表达式来匹配条件 cmets 内的内容：

/<!--.*?stylesheet.*?-->/s

它失败了，因为正则表达式匹配第一个 <!-- 和最后一个 --> 之前的所有内容。然后我尝试使用另一种带有前瞻断言的模式：

/<!--(?=.*?stylesheet).*?-->/s

它可以工作并且完全符合我的需要。但是，以下正则表达式也可以：

/<!--(?=.*stylesheet).*?-->/s

最后一个正则表达式在前瞻断言中没有不情愿的量词。现在我很困惑。谁能解释一下它是如何工作的？也许这个例子有更好的解决方案？

更新：

我尝试在另一个文档中使用带有前瞻断言的正则表达式，但它无法匹配 cmets 之间的内容。所以，这个/<!--(?=.*?stylesheet).*?-->/s（以及这个/<!--(?=.*stylesheet).*?-->/s）是不正确的。不要使用它并尝试其他建议。

更新：

Jonny 5 找到了解决方案（请参阅答案）。他提出了三个选择：

1. 使用否定的连字符来限制匹配。仅当标签之间没有连字符时，此选项才有效。如果样式表的 URL 为 /style-sheet.css，它将不起作用。
2. 使用转义序列：\K。它就像一个魅力。缺点如下：
   • 非常慢（在我的情况下，它比其他解决方案慢 8-10 倍）
   • 仅自 PHP 5.2.4 起可用
3. 使用前瞻来缩小匹配范围。这是我试图实现的目标，但我使用环视断言的经验不足以执行任务。

我认为以下是我的示例的一个很好的解决方案：

/(?s)<!--(?:(?!<!).)+?stylesheet.+?-->/

相同，但末尾带有 s 修饰符：

/<!--(?:(?!<!).)+?stylesheet.+?-->/s

正如我所说，这是一个很好的解决方案，但我设法改进了这种模式，并找到了另一种在我的情况下工作得更快的方法。

所以，最终的解决方案如下：

/<!--(?:(?!-->).)+?stylesheet.+?-->/s

感谢所有参与者提供有趣的答案。

Answer 1

只匹配<!--...stylesheet...-->的部分有很多方法：

1.) 使用negated 连字符[^-] 来限制匹配并保持在<!-- 和stylesheet 之间

(?s)<!--[^-]+stylesheet.+?-->

[^-] 只允许字符，而不是连字符。见test at regex101。

---

2.) 要获得“最后一个”或最接近的匹配而不需要太多正则表达式，也可以在前面加上 greedy dot 以ᗧ吃掉。如果不匹配全局/仅匹配一项，则有意义。在贪婪之后使用\K to reset：

(?s)^.*\K<!--.+?stylesheet.+?-->

见test at regex101。也可以使用capture group and grab $1:(?s)^.*(<!--.+?stylesheet.+?-->)

---

3.) 使用lookahead 缩小范围通常成本更高：

(?s)<!--(?:(?!<!).)+?stylesheet.+?-->

见test at regex101。 (?!<!). 向前看<!-- 和stylesheet 之间的每个字符，如果不开始另一个<!... 留在一个元素内。类似于否定的连字符解决方案。

---

我用.+ 代替了.* 一个或多个 - 取决于要匹配的内容。这里+ 更适合。
使用什么解决方案取决于确切的要求。对于这种情况，我会使用第一个。

Answer 2

字符串stylesheet在您的测试文档中只被提及一次，因此您尝试的两个正则表达式将匹配相同的内容，但方式不同。

<!--(?=.*?stylesheet).*?-->/s

这个有以下作用：

• 捕获<!--。
• 向前看，捕获直到 stylesheet 并包括在内的字符。未找到则失败。
• 捕获最多包括--> 在内的字符。

<!--(?=.*stylesheet).*?-->/s

这个有以下作用：

• 捕获<!--。
• 向前看，捕捉任何角色，直到不再可能。回溯，不断尝试匹配stylesheet。未找到则失败。
• 捕获的字符不超过-->。

基本上，一个人需要大幅回溯，而另一个人不需要。

如果你的主题是……

你会得到两个不同的结果。前者会找到第一个stylesheet，而后者会找到第二个（也是最后一个），因为它从字符串末尾开始搜索。