PHP 抛出 PREG_BACKTRACK_LIMIT_ERROR 错误但正则表达式在 javascript 中有效，为什么？答案

【问题标题】：PHP throws PREG_BACKTRACK_LIMIT_ERROR error but regex works in javascript, why?PHP 抛出 PREG_BACKTRACK_LIMIT_ERROR 错误但正则表达式在 javascript 中有效，为什么？
【发布时间】：2014-07-02 04:55:09
【问题描述】：

这是正则表达式：

([A-Z]+(?:(?:[\w\d@#$%&;,\+\.\*!-]+)?\s?(?![a-z&;]+\s)){1,})\s(<span class="label label-inverse">.*?</span>)

这将匹配如下字符串：

<p>Buy Apple <span class="label label-inverse">AAPL - NYSE</span> at or under $100 per share.</p>

在 regexpal 等 javascript 正则表达式测试器中进行测试时，它按预期工作。但是，PHP preg_replace 函数返回 null 并出现错误 PREG_BACKTRACK_LIMIT_ERROR。

$string = preg_replace('~([A-Z]+(?:(?:[\w\d@#%&!;,\+\.\*\$-]+)?\s?(?![a-z&;]+\s)){1,})\s(<span class="label label-inverse">.*?</span>)~i', '<strong>$1</strong> $2', $string);

这是为什么？谁能解释一下 PHP 中的正则表达式有什么问题以及如何纠正它以使其像在 javascript 中一样运行？

【问题讨论】：

在 PHP 中，您是否针对较大的文档对其进行测试？
顺便说一句，你是怎么想出这种可怕的表达方式的？你想精确匹配什么？
我在 JS 和 PHP 中针对相同的 HTML 对其进行了测试。如果可以优化正则表达式，我会全神贯注。它需要匹配大型 HTML 文档中的以下 HTML 字符串：Apple AAPL - NYSEeBay EBAY - NYSEE*TRADE ETFC - NYSE

标签： php regex

【解决方案1】：

回溯限制通常是由于表达效率低下；你应该把它简化成这样：

~([\w\s\d@#$%&;,+.*!-]+)(?=<span class="label label-inverse">[^<]+</span>)~i'

如果后面跟着 标签，它会捕获一个单词（或多个单词）；未捕获前瞻断言，因此它使替换模式更简单。

$expr = '~([\w\s\d@#$%&;,+.*!-]+)(?=<span class="label label-inverse">[^<]+</span>)~i';
$string = preg_replace($expr, '<strong>$1</strong>', $string);

Demo

好像规则可以这样描述：

在 之前至少匹配一个标题大小写名称
在 之前精确匹配一个非标题大小写名称

所以：

~((?:[A-Z]\S*\s)+|\S+\s)(?=<span class="label label-inverse">[^<]+</span>)~

【讨论】：

这在 PHP 中适用于我。似乎我的消极前瞻效率低下，用积极前瞻代替它解决了这个问题？
@Slim 我认为这也是 {1,} 乘数内的嵌套；我发现很难推断出创作时的逻辑；-)
你的正则表达式改变了我原来的一些匹配项。示例：Hello this is Ford Motor Company F - NYSE at or under $100 per share. 它应该匹配强标签中的“福特汽车公司”。 Hello this is eBay EBAY - NYSE at or under $100 per share. 它应该匹配强标签中的“eBay”。 Hello this is E*TRADE ETFC - NYSE at or under $100 per share. 应该匹配强标签中的“E*TRADE”。
@Slim 嗯，“eBay”是一个有趣的例外；还有更多吗？
@Slim 我更新的答案给出了你给出的正确结果；让我知道你的效果如何。

【解决方案2】：

这是一个丑陋的表达。而且您已经听说过有关使用正则表达式解析 html 的警告，对吧？

{1,} 可以替换为 +
[\w\d@#$%&;,\+\.\*!-] 可以替换为 [\w@#$%&;,+.*!-]
(?:... +)? 中的量词可以替换为*

坦率地说，我没有理由不将其简化为：

([A-Z]+[\w@#$%&;,+.*!\s-]+)\s(<span class="label label-inverse">.*?</span>)

甚至更远。

在the demo 中，查看右侧窗格中的捕获组。

【讨论】：

FYI 添加了简化正则表达式的演示。
这适用于您的 JS 示例，但在 PHP 中会引发此错误：PHP Error[2]: preg_replace(): Compilation failed: invalid range in character class at offset 23
请再试一次。在大版本中，我忘记移动-。固定。
这是原始问题中发布的 preg_replace() 行。