【问题标题】:php PCRE Regex optimizationphp PCRE正则表达式优化
【发布时间】:2010-11-22 15:11:01
【问题描述】:

我正在尝试优化一个正则表达式,或者至少知道是否有更好的方法来做到这一点。

这是我的输入字符串:

$str = 'Some text
spanned on
several lines
txt_to_grab1 fixed_text1 txt_to_grab2
Full line to grab
txt_to_grab3 fixed_text2 txt_to_grab4
Some text after';

我试图抓取从“txt_to_grab1”到“txt_to_grab4”的行,但只有“txt_to_grabX”和“Full line to grab”这行。
我想保留前后不变的所有内容(即换行符),但删除我抓取的行内的换行符(因为每一行都是<tr>,它将进入一个html表)。

正则表达式模式/替换我发现匹配:

$find = "#(?<=\n)(.*?) fixed_text1 (.*?)(\n.*?\n)(.*?) fixed_text2 (.*?)(\n)#i";
$replace = '"$1" && "$2" grabbed.$3"$4" && "$5" grabbed.$6';   

$find = "#(.*)(?<=\n)(.*?) fixed_text1 (.*?)(\n)(.*)(?<=\n)(.*?) fixed_text2 (.*?)(\n.*)#is";
$replace = '$1"$2" && "$3" grabbed.$4$5"$6" && "$7" grabbed.$8';

问题:

所有问题都可以概括为:有更好/更短/更快的模式吗?

  • 如何使模式与 \r\n 或 \n 一起使用?我在堆栈的某处读到 (\r?\n) 将是一个解决方案,但我不知道如何在后视中使用它们。例如,以下模式有效,但我不喜欢它们(很脏,因为只有 \n 用于后视,可能会产生意想不到的结果):

    "#(?<=\n)(.*?) fixed_text1 (.*?)(\r?\n.*?\r?\n)(.*?) fixed_text2 (.*?)(\r?\n)#i"
    "#(.*)(?<=\n)(.*?) fixed_text1 (.*?)(\r?\n)(.*)(?<=\n)(.*?) fixed_text2 (.*?)(\r?\n.*)#is";
    
  • 更好的是,如何使用“s”修饰符从模式中删除所有换行符,以便能够使用 (.*?) 但仍能获取我想要的内容?单词边界?

  • 多行模式(m 修饰符)在这里有用吗?

我真的很想解释正则表达式,如果你提供一些:)

【问题讨论】:

  • 除非您知道这是一个瓶颈,否则不要担心更快。至于更好或更短,现在可以解决。

标签: php regex pcre


【解决方案1】:

您不需要为此进行回顾。只需在正则表达式的开头使用行首锚点,在末尾使用行尾锚点(即多行模式下的^ 和$)。要匹配中间的行分隔符,您可以使用 (?:\r\n|[\r\n]),这是三种最常见的行分隔符样式的常用习语:\n、\r 或 \r\n。

至于s 修饰符(又名“单行”或“DOT_ALL”),您也不需要它。它所做的只是允许点元字符匹配行分隔符以及所有其他字符,这对您没有任何好处。您希望它在到达换行符时停止匹配,因此您可以将它们从捕获中排除。

这是一个演示:

$pattern='#^(.*?) fixed_text1 (.*)(?:\r\n|[\r\n])(.*)(?:\r\n|[\r\n])(.*?) fixed_text2 (.*)$#im';

preg_match($pattern, $source, $m);

echo "$m[1] && $m[2] grabbed.\n";
echo "$m[3]\n";
echo "$m[4] && $m[5] grabbed.\n"; 

输出:

txt_to_grab1 && txt_to_grab2 grabbed.
Full line to grab
txt_to_grab3 && txt_to_grab4 grabbed.

See it in action on ideone.com

【讨论】:

  • 该死的,这看起来更好,谢谢你的回答!我使用 preg_replace 和引用,preg_match 更快吗?
  • 速度不是问题。要获得与preg_replace 相同的结果,您必须匹配您感兴趣的部分之前和之后的所有文本,以便您可以将其丢弃(即不在替换字符串中引用它)。
  • 编辑:脚本在我的 comp 中无法正常工作,var_dump(preg_match) 返回 0。我添加以将所有“\R”替换为“\r?\n”,任何想法为什么? (编辑:感谢添加,尝试了 preg_replace 并且效果也很好)
  • 您是用单引号还是双引号将正则表达式括起来?我用双引号试过了,但没有用。 PHP 解释器对 IMO 这类事情有点过于宽容了;它可能会丢弃反斜杠。我总是在我的正则表达式中使用单引号来避免这种问题。
  • 是的,我也更喜欢使用单引号,但对于 \r\n 或 \n 之类的东西是强制性的。但即使使用单引号,它也不起作用。我在 php 手册中找不到关于“\R”转义序列的行,但我尝试了“\s”并且它有效。你确定 \R 在 php 中吗? @bart,是的,我会的,我只是想确保留下正确的代码(我通常学习阅读,而不是问,所以我知道答案应该很干净)。
猜你喜欢
  • 2014-08-02
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2023-03-20
  • 1970-01-01
相关资源
最近更新 更多