php - 正则表达式中的“\ G”锚点有什么用？

Question

我很难理解\G锚在 PHP 风格的正则表达式中是如何工作的。

我倾向于认为（即使我可能错了），\G而不是^在发生相同字符串的多个匹配的情况下使用它。

有人可以举一个\G应该如何使用的例子，并解释它是如何工作的以及为什么工作吗？

score 14 · Accepted Answer

更新

\G强制模式只返回作为连续匹配链一部分的匹配。从第一个匹配开始，每个后续匹配都必须在匹配之前。如果你打破链条，比赛就结束了。

<?php
$pattern = '#(match),#';
$subject = "match,match,match,match,not-match,match";

preg_match_all( $pattern, $subject, $matches );

//Will output match 5 times because it skips over not-match
foreach ( $matches[1] as $match ) {
    echo $match . '<br />';
}

echo '<br />';

$pattern = '#(\Gmatch),#';
$subject = "match,match,match,match,not-match,match";

preg_match_all( $pattern, $subject, $matches );

//Will only output match 4 times because at not-match the chain is broken
foreach ( $matches[1] as $match ) {
    echo $match . '<br />';
}
?>

这直接来自文档

反斜杠的第四种用途是用于某些简单的断言。断言指定必须在匹配中的特定点满足的条件，而不消耗主题字符串中的任何字符。下面描述了对更复杂的断言使用子模式。反斜杠断言是

 \G
    first matching position in subject

仅当当前匹配位置位于匹配的起点时，\G 断言才为真，如 preg_match() 的 offset 参数所指定。当 offset 的值非零时，它与 \A 不同。

http://www.php.net/manual/en/regexp.reference.escape.php

您将不得不向下滚动该页面，但它确实存在。

ruby 中有一个非常好的例子，但在 php 中也是一样的。

Anchor \z 和 \G 如何在 Ruby 中工作？

score 9 · Accepted Answer

\G将匹配匹配边界，该边界可以是字符串的开头，也可以是使用最后一个匹配的最后一个字符的点。

当您需要进行复杂的标记化时，它特别有用，同时还要确保标记有效。

示例问题

让我们以标记这个输入为例：

input 'some input in quote' more input   '\'escaped quote\''   lots@_$of_fun    ' \' \\  ' crazy'stuff'

进入这些标记（我~用来表示字符串的结尾）：

input~
some input in quote~
more~
input~
'escaped quote'~
lots@_$of_fun~
 ' \  ~
crazy~
stuff~

该字符串由以下各项组成：

单引号字符串，允许转义\and '，并且保留空格。可以使用单引号字符串指定空字符串。
OR 不带引号的字符串，由一系列非空白字符组成，并且不包含\or '。
2 个未加引号的字符串之间的空格将分隔它们。不需要空格来分隔其他情况。

为了简单起见，让我们假设输入不包含换行（在实际情况下，您需要考虑它）。它会增加正则表达式的复杂性，而不会证明这一点。

单引号字符串'(?:[^\\']|\\[\\'])*+'
的 RAW 正则表达式是未引用字符串的 RAW 正则表达式是[^\s'\\]++
你不需要太在意上面的 2 段正则表达式。

下面的解决方案\G可以确保当引擎找不到任何匹配时，从字符串开头到最后一个匹配位置的所有字符都已被消耗掉。由于它不能跳过字符，因此引擎将在无法找到两种标记规范的有效匹配时停止匹配，而不是在字符串的其余部分中抓取随机内容。

建造

在构建的第一步，我们可以把这个正则表达式放在一起：

\G(?:'((?:[^\\']|\\[\\'])*+)'|([^\s'\\]++))

或者简单地说（这不是正则表达式 - 只是为了更容易阅读）：

\G(Singly_quote_regex|Unquoted_regex)

这将只匹配第一个标记，因为当它第二次尝试匹配时，匹配会在之前的空格处停止'some input...。

我们只需要添加一点，以允许 0 或更多空间，以便在随后的匹配中，消耗上次匹配留下的位置的空间：

\G *+(?:'((?:[^\\']|\\[\\'])*+)'|([^\s'\\]++))

上面的正则表达式现在将正确识别标记，如此处所示。

可以进一步修改正则表达式，以便在引擎无法检索任何有效令牌时返回字符串的其余部分：

\G *+(?:'((?:[^\\']|\\[\\'])*+)'|([^\s'\\]++)|((?s).+$))

由于按从左到右的顺序尝试交替，((?s).+$)当且仅当前面的字符串不构成有效的单引号或不带引号的标记时，最后一个选项才会匹配。这可用于检查错误。

第一个捕获组将包含单引号字符串中的文本，需要额外处理才能转换为所需的文本（这里并不相关，所以我把它留给读者作为练习）。第二个捕获组将包含未加引号的字符串。第三个捕获组充当输入字符串无效的指示符。

最终正则表达式的演示

结论

上面的示例演示了\Gin 标记化的一种使用场景。可能还有其他我没有遇到过的用法。

php - 正则表达式中的“\ G”锚点有什么用？

2 回答 2

Related

Reference