PHP preg_match_all 模式中的子模式名称

Question

任务很明确。在输入中我们有一个可变的正则表达式模式，它应该包含命名的子模式，在输出中我们需要得到一个子模式名称数组：

function get_subpattern_names($any_input_pattern) {
  // What pattern to use here?
  $pattern_to_get_names = '/.../';

  preg_match_all($pattern_to_get_names, $any_input_pattern, $matches);

  return $matches;
}

所以问题是在上面的函数中使用什么作为$pattern_to_get_names？

例如：

get_subpattern_names('/(?P<name>\w+): (?P<digit>\d+)/');

应该return:

array('name', 'digit');

P.S.: 根据 PCRE documentation 子模式名称最多由 32 个字母数字字符和下划线组成。

由于我们无法控制输入模式，因此我们需要考虑所有可能的命名语法。根据 PHP documentation 他们是：
(?P<name>pattern)、(?<name>pattern) 和 (?'name'pattern)。

我们还需要考虑嵌套子模式，例如：
(?<name1>.*(?<name2>pattern).*).

无需计算重复名称、保留外观顺序或获取数字、非捕获或其他类型的子模式。仅列出名称（如果存在）。

Answer 1

您可以使用

获得所有有效命名捕获组名称的列表

"~(?<!\\)(?:\\{2})*\(\?(?|P?<([_A-Za-z]\w{0,31})>|'([_A-Za-z]\w{0,31})')~"

参见regex and an online PHP demo。

要点是匹配未转义的 ( 后跟 ? 后跟 P< 或 < 然后有一个组名以 > 或 ' 结尾的模式后跟组名模式，然后是 '.

$rx = "~(?<!\\)(?:\\{2})*\(\?(?|P?<([_A-Za-z]\w{0,31})>|'([_A-Za-z]\w{0,31})')~";
$s = "(?P<name>\w+): (?<name2>\w+): (?'digit'\d+)";
preg_match_all($rx, $s, $res);
print_r($res[1]);

产量

Array
(
    [0] => name
    [1] => name2
    [2] => digit
)

图案详情

(?<!\) - 没有\紧靠当前位置
(?:\\)* - 0+ 双反斜杠（允许 ( 之前的任何转义反斜杠）
\( - (
\? - 一个?
(?|P?<([_A-Za-z]\w{0,31})>|'([_A-Za-z]\w{0,31})') - 分支重置组：
- P?<([_A-Za-z]\w{0,31})> - 一个可选的 P、<、一个 _ 或一个 ASCII 字母，0 到 31 个字符 (digits/letters/_)（捕获到第 1 组）和 >
- | - 或
- '([_A-Za-z]\w{0,31})' - '，一个 _ 或一个 ASCII 字母，0 到 31 个字字符 (digits/letters/_)（也捕获到第 1 组），然后 '

组名模式全部捕获到组1中，你只需要得到$res[1]。

Answer 2

Wiktor 的解决方案看起来确实很彻底，但这是我想出的。

print_r(get_subpattern_names('/(?P<name>\w+): (?P<digit>\d+)/'));

function get_subpattern_names($input_pattern){
    preg_match_all('/\?P\<(.+?)\>/i', $input_pattern, $matches);
    return $matches[1];
}

这应该适用于大多数情况。更重要的是，这更具可读性和不言自明。

基本上，我会搜索 ?P<，然后搜索 (.+?)，这会转换为 angular 括号之间内容的 non-greedy 版本。然后函数只是 returns $matches 数组中的第一个偏移量，它指向匹配的第一组括号。

PHP preg_match_all 模式中的子模式名称

PHP preg_match_all subpattern names in a pattern

php

regex

pcre

named