正则表达式多次匹配子字符串

Question

我有一个应用程序，它会根据Perl正则表达式来确定是显示下拉菜单还是简单的输入字段。因此，我必须检查正则表达式模式是否具有"外部形式"和子字符串。为此，我想出了几种解决方案。

对于输入模式"^(100|500|1000)$"，应该得到一个带有三个条目（100、500和1000）的下拉菜单。我需要一个正则表达式来解析整个模式，以确定其是否是有效列表，以及一个实际的子字符串匹配正则表达式，因为我不知道如何多次匹配一个子字符串。这是我的正则表达式模式：

^\^\((?:((?:[^\|]|\\\|)+)(?:\||(?:\)\$$)))+

稍微简化一下，因为这个正则表达式有些模糊:

^\^\((?:([\w\d]+)(?:\||(?:\)\$$)))+

这段代码能够工作，但是只会存储最后一个子字符串（在这个例子中是1000），并且舍弃其他的部分。使用PCRE或者在线正则表达式工具进行了测试。为了获取实际的子字符串，例如下拉菜单字段，我需要：

(?:\^\()?((?:[^\|]|\\|)+)(?:\||(?:\)\$$))

再次简化：

再次简化：

(?:\^\()?([\w\d]+)(?:\||(?:\)\$$))

这个正则表达式可以找到子字符串，但不能匹配其他正则表达式的下拉菜单模式语法（例如，这个正则表达式也会匹配以"^(100|"开头的子字符串，如"100"）。 我的问题是：有没有办法将这些正则表达式组合成一个只匹配1)整个模式语法和2)实际子字符串的模式？

谢谢！

Jeremy

附：抱歉如果这很明显，但今天我对所有这些正则表达式都感到混乱。

样本数据：

输入正则表达式：^(100|500|1000)$ 语法正确！ 匹配的子字符串：100、500、1000 =>显示下拉菜单

输入正则表达式：^[0-9a-fA-F]+$ 语法错误！ =>显示普通输入字段

输入正则表达式：^(foo|bar)$ 语法正确！ 匹配的子字符串："foo"、"bar" =>显示下拉菜单

输入正则表达式：^(foo|bar)[0-9]+$ 语法错误！ =>显示普通输入字段

- Jeremy

---

我不确定你的问题。你能提供一下你所拥有的样本数据以及你需要的输出吗？ - Federico Piazza

谢谢你的帮助！我添加了一些样本数据。 - Jeremy

我已经根据您提供的数据更新了我的答案。 - Federico Piazza

Answer 1

你可以通过两个步骤实现你的需求。

你可以使用以下正则表达式来验证格式：

\^\(\w+(?:\|\w+)*\)\$

演示链接

一旦您验证了正确的字符串，您可以使用以下函数：

$str = "^(100|500|1000|2000|3000)$";
$arr = preg_split ("/\W+/" , $str, -1, PREG_SPLIT_NO_EMPTY);
print_r($arr);

输出：

Array
(
    [0] => 100
    [1] => 500
    [2] => 1000
    [3] => 2000
    [4] => 3000
)

- Federico Piazza

---

谢谢！这简化了我的语法匹配正则表达式，但没有捕获子字符串（在本例中为“100”、“500”、“1000”）。您也可以帮我解决这个问题吗？ - Jeremy

我修改了你的正则表达式为"^((\w+)(?:|(\w+))*)$"。这个表达式捕获了两个组，都是"\w+"，而最后一个组将被覆盖为超过2个项（这在第一个测试字符串中发生）。 - Jeremy

@Jeremy，除了Lucas的答案之外，你也可以使用我的正则表达式\^((\w+)(?:\|(\w+))*)\$。与此同时，我会为此做出努力。 - Federico Piazza

@Jeremy 我认为你应该采用两步骤。首先使用我的正则表达式来验证模式，一旦验证通过，你就可以使用 preg_split ("/\W+/", string $subject)。 - Federico Piazza

再次感谢您的帮助。由于我的应用程序是用C语言编写的，所以我无法应用您的代码片段。但我会简化我的正则表达式。正如Alan所说，PCRE不能进行中间捕获。 - Jeremy

Answer 2

看起来你正在使用PCRE。

你可以利用PCRE_DUPNAMES选项，或者在模式前面加上(?J)选项。

这个选项使得PCRE记住每个匹配的捕获组的值，而不是丢弃除最后一个之外的所有内容。 (这是错误的, 详见评论)

不幸的是，据我所知，它不受在线测试工具的支持。我不知道你使用的是哪种语言，但是它也需要一些支持才能让你使用此功能。

来自PCRE文档：

如果您想获取给定名称的所有捕获子字符串的完整详细信息，则必须使用pcre_get_stringtable_entries()函数。

- Lucas Trzesniewski

---

我的应用程序是使用C语言编写的，确实会使用pcre。谢谢你的提示，我会尝试一下。 - Jeremy

我承认在查看PCRE文档后有些困惑。我原以为它类似于.NET的多个捕获，但现在我不太确定了。请告诉我。 - Lucas Trzesniewski

PCRE_DUPNAMES 允许您为两个或多个组分配相同的名称，即使这些组具有不同的编号。当匹配完成时，与该名称关联的值仍将只有一个，与组编号相同。 与 .NET 不同，PCRE 仍然无法提供检索重复组的中间捕获的方法。 - Alan Moore

@Lucas：我尝试了你的提示，但它们没有起作用 - PCRE仍然不会返回所有匹配项，就像Alan所说的那样。因此，我将按照Fede的建议简化我的正则表达式。 - Jeremy

@AlanMoore 我显然误解了关于这个的文档。太糟糕了，感谢您的澄清。Jeremy：抱歉给出了误导性的答案。 - Lucas Trzesniewski