PHP PCRE 正则表达式在一个模式中有多个 SKIP FAIL答案

【问题标题】：PHP PCRE regex with multiple SKIP FAIL in a patternPHP PCRE 正则表达式在一个模式中有多个 SKIP FAIL
【发布时间】：2017-11-11 17:27:08
【问题描述】：

我有一个简单的字符串：

$string = '--#--%--%2B--';

我想对所有字符（包括“孤独”%）进行百分比编码，- 字符和%xy 形式的三元组除外。所以我写了以下模式替代方案：

$pattern1 = '/(?:[\-]+|%[A-Fa-f0-9]{2})(*SKIP)(*FAIL)|./us';
$pattern2 = '/(?:[\-]+)(*SKIP)(*FAIL)|(?:%[A-Fa-f0-9]{2})(*SKIP)(*FAIL)|./us';

请注意（多个）(*SKIP)(*FAIL) 和 (?:) 的使用。

匹配和替换的结果是一样的——也是正确的：

--%23--%25--%2B--

我想问一下：

这两种模式是否等效？如果不是，那么哪一个最适合用于 url 编码？请用几句话解释一下，为什么？
您会建议其他替代方案（暗示回溯控制动词），还是我的模式是一个不错的选择？
我可以在整个（选择的）模式周围只应用一个(?:)，即使（多个）(*SKIP)(*FAIL) 将在其中吗？

我知道我一次问更多问题，对你的要求有点过分。请接受我的道歉！非常感谢。

P.S：我已经使用以下 PHP 代码进行了测试：

$result = preg_replace_callback($patternX, function($matches) {
    return rawurlencode($matches[0]);
}, $string);
echo $result;

【问题讨论】：

这些模式是基于我以前的建议（所以，是的，一个不错的选择:)）。它们都可以工作，但如果你不量化它，你根本不需要分组结构，内部也没有任何交替，从第二个模式中删除 (?:...)，因为它们是多余的。
@WiktorStribiżew 事实上，我的模式是基于你的建议。再次感谢 - 我很高兴你给了我这个选项！我觉得它很优雅，所以我研究和研究了它。不幸的是，在任何地方都找不到多个跳过失败...通过分组构造，您的意思是(?:)，对吗？如果是这样的话：如果我选择模式 1（有点容易理解），我应该保留 (?:)，因为里面有一个交替，对吧？如果我选择模式 2，我应该删除两个 (?:)，因为它们内部没有交替，对吧？...
@WiktorStribiżew ...你能告诉我，你会推荐哪一个？非常感谢你。 P.S：你也会写一个答案吗？太好了，因为其他用户也会从您的建议中受益。
你是对的。使用其中任何一个。但是关于答案，this 不是 真正的 答案吗？
@aendeerei：要清楚，你可以这样做：$result = rawurlencode(rawurldecode($str));

标签： php regex encoding pattern-matching pcre

【解决方案1】：

首先，这两种模式都利用了 SKIP-FAIL PCRE 动词序列，这是一个众所周知的“技巧”来匹配某些文本并跳过它。有关更多详细信息，请参阅How do (*SKIP) or (*F) work on regex?。

这两种模式产生相同的结果，(?:[\-]+|%[A-Fa-f0-9]{2})(*SKIP)(*FAIL) 匹配 [\-]+ 或 %[A-Fa-f0-9]{2} 然后跳过匹配，(?:[\-]+)(*SKIP)(*FAIL)|(?:%[A-Fa-f0-9]{2})(*SKIP)(*FAIL) 首先尝试匹配 [\-]+ 如果找到则跳过它，然后尝试匹配%[A-Fa-f0-9]{2}，如果找到则跳过匹配。第二种模式中的(?:...) 非捕获组是多余的，因为内部没有交替并且组没有被量化。您可以在模式中使用任意数量的(*SKIP)(*FAIL)，只需确保在| 之前使用它们以跳过相关匹配。

SKIP-FAIL 技术用于当您想要匹配特定上下文中的某些文本时，当一个字符应该被跳过/“避免”时，如果它在并且后跟一些字符，或者当您需要“避免”匹配整个字符序列，就像在这种情况下一样，因此，SKIP-FAIL 很好用。

【讨论】：