非贪婪通配符 "ignored"

Question

我遇到了以下情况：

...    
preg_match('/#(.+?):(.+?)#/im','partA#partB#partC:partD#partE#partF',$matches);
...

执行后 $matches 变为

 Array
    (
        [0] => #partB#partC:partD#
        [1] => partB#partC
        [2] => partD
     )

如果我使用非贪婪通配符?，$matches[1]变成partC不是很正常吗？我错过了什么吗？

我设法通过使用'/#([^#]+?):([^#]+?)#/im'作为模式来解决它，但是中肯的解释将是清除云层的好方法。

谢谢。

Answer 1

捕获组 1 正在寻找 #，然后是任何内容（不包括新行），直到第一个 :。所以 partB#partC 是有道理的。

你的修改器也没有做任何事情。您没有区分大小写的字母，也没有使用锚点。

您可以在此处查看正则表达式的处理方式，https://regex101.com/r/iS0lW9/1。

Answer 2

当你思考正则表达式背后的基础理论时，它就有意义了。

正则表达式就是所谓的 finite state automaton (FSA)。这意味着它本质上会从左到右一次处理一个字符，偶尔会向后 "giving up" 个字符。在你的例子中，正则表达式看到第一个 # 并且注意到 # 没有参与模式的任何其他部分，开始匹配下一个标记（.+?，在你的案件）。它会一直这样做，直到遇到冒号，然后匹配下一个标记（同样是 .+?）。因为它是从左到右，它会匹配到第一个散列，然后停止，因为它是懒惰的。

这实际上是一个常见的误解 - 量词的 ? 修饰符不是 非贪婪的 ，它是 惰性的 .它将匹配最小可能的字符串，从左到右。

要修复您原来的正则表达式，您可以这样修改它：

/.+#(.+?):(.+?)#/im

这样做是在冒号之前的最后一个散列之前使用贪婪匹配，强制第一个捕获组只使用该散列和冒号之间的内容。同样，该组也不需要 lazy 修饰符，从而产生最终的正则表达式：

/.+#(.+):(.+?)#/im

非贪婪通配符 "ignored"

Non-greedy wildcard "ignored"

php

regex

preg-match

regex-greedy