编辑:我选择了 ridgerunner 的答案，因为它包含解决问题所需的信息。但我也想为特定问题添加一个完全充实的解决方案，以防其他人也想完全理解这个例子。您会在下方某处找到它。

这个问题是关于阐明递归表达式的 PHP 正则表达式引擎的行为。 (如果您知道如何在不使用递归 PHP 正则表达式的情况下正确匹配下面的字符串，那非常酷，但这不是问题所在。)

a(?:(?R)|a?)a

这是一个简单的表达式，旨在匹配字符“a”或什么都不匹配，嵌套在字符“a”的一个或多个嵌套中。例如，aa、aaa、aaaa、aaaaa。您不需要为此使用递归:

aa*a

会很好用。但重点是使用递归。

这是一段代码，您可以运行它来测试我的失败模式:

<?php
$tries=array('a','aa','aaa','aaaa','aaaaa','aaaaaa');
$regex='#a(?:(?R)|a?)a#';
foreach ($tries as $try) {
echo $try." : ";
if (preg_match($regex,$try,$hit)) echo $hit[0]."<br />";
else echo 'no match<br />';
}
?>

在这个模式中，两个“a”构成了一个交替。在交替中，我们要么匹配整个模式的递归(两个“a”构成一个交替)，要么匹配字符“a”，可选为空。

在我看来，对于“aaaa”，这应该匹配“aaaa”。

但这是输出:

a : no match
aa : aa
aaa : aaa
aaaa : aaa
aaaaa : aaaaa
aaaaaa : aaa

有人可以解释输出的第三行和第五行发生了什么吗？ 我试过追踪我想象引擎必须走的路径，但我一定是想象错了。为什么引擎返回“aaa”作为“aaaa”的匹配项？是什么让它如此渴望？我一定是在想象匹配树的顺序错误。

我意识到

#(?:a|a(?R)a)*#

有点效果，但我的问题是为什么其他模式没有效果。

非常感谢!

最佳答案

优秀(且困难)的问题!

首先，使用 PCRE 正则表达式引擎，(?R) 的行为就像一个原子组(与 Perl 不同？)。一旦匹配(或不匹配)，递归调用内发生的匹配就是最终的(递归调用内保存的所有回溯面包屑都将被丢弃)。但是，正则表达式引擎确实保存了整个 (?R) 表达式匹配的内容，并且可以将其返回并尝试其他替代方案以实现整体匹配。为了描述正在发生的事情，让我们稍微更改您的示例，以便更容易讨论和跟踪每一步匹配的内容。代替:aaaa 作为主题文本，让我们使用:abcd。让我们将正则表达式从 '#a(?:(?R)|a?)a#' 更改为:'#.(?:(?R)|.?).# '。正则表达式引擎匹配行为相同。

匹配正则表达式:/.(?:(?R)|.?)./ 到:"abcd"

answer = r'''
Step Depth Regex          Subject  Comment
1    0     .(?:(?R)|.?).  abcd     Dot matches "a". Advance pointers.
           ^              ^
2    0     .(?:(?R)|.?).  abcd     Try 1st alt. Recursive call (to depth 1).
                 ^         ^
3    1     .(?:(?R)|.?).  abcd     Dot matches "b". Advance pointers.
           ^               ^
4    1     .(?:(?R)|.?).  abcd     Try 1st alt. Recursive call (to depth 2).
                 ^          ^
5    2     .(?:(?R)|.?).  abcd     Dot matches "c". Advance pointers.
           ^                ^
6    2     .(?:(?R)|.?).  abcd     Try 1st alt. Recursive call (to depth 3).
                 ^           ^
7    3     .(?:(?R)|.?).  abcd     Dot matches "d". Advance pointers.
           ^                 ^
8    3     .(?:(?R)|.?).  abcd     Try 1st alt. Recursive call (to depth 4).
                 ^            ^
9    4     .(?:(?R)|.?).  abcd     Dot fails to match end of string.
           ^                  ^    DEPTH 4 (?R) FAILS. Return to step 8 depth 3.
                                   Give back text consumed by depth 4 (?R) = ""
10   3     .(?:(?R)|.?).  abcd     Try 2nd alt. Optional dot matches EOS.
                    ^         ^    Advance regex pointer.
11   3     .(?:(?R)|.?).  abcd     Required dot fails to match end of string.
                       ^      ^    DEPTH 3 (?R) FAILS. Return to step 6 depth 2
                                   Give back text consumed by depth3 (?R) = "d"
12   2     .(?:(?R)|.?).  abcd     Try 2nd alt. Optional dot matches "d".
                    ^        ^     Advance pointers.
13   2     .(?:(?R)|.?).  abcd     Required dot fails to match end of string.
                       ^      ^    Backtrack to step 12 depth 2
14   2     .(?:(?R)|.?).  abcd     Match zero "d" (give it back).
                    ^        ^     Advance regex pointer.
15   2     .(?:(?R)|.?).  abcd     Dot matches "d". Advance pointers.
                       ^     ^     DEPTH 2 (?R) SUCCEEDS.
                                   Return to step 4 depth 1
16   1     .(?:(?R)|.?).  abcd     Required dot fails to match end of string.
                       ^      ^    Backtrack to try other alternative. Give back
                                    text consumed by depth 2 (?R) = "cd"
17   1     .(?:(?R)|.?).  abcd     Optional dot matches "c". Advance pointers.
                    ^       ^      
18   1     .(?:(?R)|.?).  abcd     Required dot matches "d". Advance pointers.
                       ^     ^     DEPTH 1 (?R) SUCCEEDS.
                                   Return to step 2 depth 0
19   0     .(?:(?R)|.?).  abcd     Required dot fails to match end of string.
                       ^      ^    Backtrack to try other alternative. Give back
                                    text consumed by depth 1 (?R) = "bcd"
20   0     .(?:(?R)|.?).  abcd     Try 2nd alt. Optional dot matches "b".
                    ^      ^       Advance pointers.
21   0     .(?:(?R)|.?).  abcd     Dot matches "c". Advance pointers.
                       ^    ^      SUCCESSFUL MATCH of "abc"
'''

正则表达式引擎没有任何问题。正确的匹配是 abc(或 aaa 用于原始问题。)可以对其他较长的结果字符串进行类似(尽管更长)的步骤序列。

关于php - 递归 PHP 正则表达式，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/8440911/