正则表达式学习之回溯与固态分组/php

1
2
3
4
$string = 'abcdebbcde';
	$patern = '/([ab])1/';
	preg_match($patern, $string, $matchs);
	var_dump($matchs);

1
2
3
4
5
6
7
//分析：//对于'([ab])',是匹配'ab'中的一个字符，而1则是反向引用了捕获数组中匹配的第一个字符，
	//即是a或者b,而([ab])1匹配的字符串则是 aa 或者 bb,但是在'abcdebbcde'中,第一个字符'a'满足要求，
	//即由([ab])匹配'a'成功,将捕获的内容保存在下标为1的捕获数组中，然后将匹配编号为1的字符的权利交给了'1'
	//，所以这是([ab])1匹配的内容为aa,但是由于第二个字符为'b',所以'aa'(1)匹配失败,由于没有可供回溯的状态，
	//所以整个表达式在 $string 位置0处匹配失败，所以继续从 $string 位置1(即是字符串的第二个字符)处继续匹配,以此直至传动到 $string 位置5时,
	//([ab])1成功匹配到 'bb',即是([ab])匹配的是b,而'1'匹配的则是'b'.至此匹配结束.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
//注意：//在JavaScript中，由于浏览器解析引擎的不同，得到的结果也不一样，例如'10'
	//而在Firefox、Opera等浏览器中，“10”被解析成第10个捕获组的反向引用
	//而在.NET中，如果正则表达式加了RegexOptions.ECMAScript参数，则这里的“10”被解析成第1个捕获组的反向引用加一个普通字符“0”。
	//实例：
	echo '<p>';
	$string2 = 'abcc0aa0bb0';
	$patern2 = '/([abc])1(?:0)/';
	$patern3 = '/([abc]10)/';
	preg_match($patern2, $string2, $matchs2);
	var_dump($matchs2);


	echo '<p>';
	preg_match($patern3, $string2, $matchs3);
	var_dump($matchs3);

1
2
echo "n";
	$string3 = 'abbcbbcdef';

1
	//每一次'.+'，都会留下一个回溯点

1
2
3
4
5
6
7
8
	$patern4 = '/a.+c/';	//贪婪匹配，尽可能匹配满足要求的字符串最长（即是字符串越短越好）,（实现方法：倒序回溯匹配），所以回溯了3次
	preg_match($patern4, $string3, $matchs4);
	var_dump($matchs4);
	echo '<p>';
	$patern5 = '/a.+?c/';	//懒惰匹配，尽可能匹配满足要求的字符串最短（即是字符串越短越好）（实现方法：正序回溯匹配），所以回溯了2次
	preg_match($patern5, $string3, $matchs5);
	var_dump($matchs5);
	//因此，回溯的效率和懒惰匹配和贪婪匹配没有关系，只是匹配的目标字符串长度不同

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
//案例概述：比如要处理一批数据，原来格式为123.456，后来因为浮点数显示问题，部分数据格式变为123.456000000789这种，要求做到只保留小数点后面2-3位，但是，最后一位不能为0
	echo '<p>';
	$string4 = '123.456';
	$patern1 = '/(.dd[1-9]?)d*/';
	$patern2 = '/(.dd[1-9]?)d+/';

	//patern1 和 patern2 ,相比之下，patern1如果处理的小数的小数位是3位的话，由于'*'匹配规则是一次或0次，会对字符在处理一次，而'+'则要求是1次或以上，所以对小数位为3位或者以上的话，能够简化匹配过程。

	//然而简化匹配过程并不代表能够匹配到想要的结果，如果用$patern2 去匹配$string4的话，得到的结果将是123.45
	//由于patern2至少要匹配长度为3的字符串，而'?'规则是匹配1或0次，那么当6匹配成功[1-9]后，'?'留下一个回溯点，
	//'d+'会继续匹配，由于‘6’以后没有字符了，所以放回到上一个回溯点，然后匹配'6'成功.所以捕获数组中'\1'([1]的字符串)就是'.45';
	//而没有实现我们想要的结果

	//所以应用固化分组的特性，让'[1-9]?'一旦匹配成功就不能进行回溯了(因为'?'没有留下回溯点)
	$patern3 = '/(.dd(?>[1-9]?))d+/';
	$patern4 = '/(.dd(?>[1-9]?))d*/';

	echo preg_match($patern3, $string4)? 1:0;	//显然patern3匹配的结果是0(即是没有匹配到符合字符串)
	echo '<p>';
	echo preg_match($patern4, $string4)? 1:0;	//而$patern4匹配的结果是1(说明匹配到了字符串);

	echo '<p>';
	//虽然patern3匹配失败但是也仅是限于3位或2位，而没有匹配成功也能达到保留3位或者两位的效果
	//那么下面，我们将对第三位小数做讨论，当第三位小数位0时;
	$string4 = '123.450';
    echo preg_replace($patern3, '\1', $string4);
	echo '<p>';
	echo preg_replace($patern4, '\1', $string4);
	echo '<p>';
	echo preg_match($patern3, $string4, $matchs1);
	echo '<p>';
	echo preg_match($patern4, $string4, $matchs2);
	echo '<p>';
	var_dump($matchs1);		//array(2) { [0]=> string(5) ".4501" [1]=> string(3) ".45" }
	echo '<p>';
	var_dump($matchs2);		//array(2) { [0]=> string(5) ".4501" [1]=> string(3) ".45" }
	//显然如果第三位小数为0，那么'd+'就可以直接匹配'0'，相比'd*'，省略一次匹配(因为是贪婪匹配，如果是懒惰匹配就不存在了);

	//得出的结论就是，判断建议使用'd*'，替换建议使用'd+';