带有命名子模式的正则表达式没有找到最佳匹配。

Question

在正则表达式中使用定义的子模式时，它不会选择最佳匹配，而是停在第一个匹配上。我忘了添加一些标记吗？

正则表达式：(?<minutes>[0-9]|[1-5][0-9]):(?&minutes); 测试字符串：47:24;。

表达式无法匹配： 但是字符串47:2;被正确匹配： 。

如果我将'or'条件更改为[1-5][0-9]|[0-9]，则正则表达式(?<minutes>[1-5][0-9]|[0-9]):(?&minutes);就可以正常工作。是否有其他方法使字符串“47:24;”匹配而无需反转“或”条件？

- kos

---

我看到你正在测试PCRE正则表达式。我建议在[1-5]中使用?：(?<minutes>[1-5]?[0-9]):(?&minutes);。或者你想保留交替吗？ - Wiktor Stribiżew

@stribizhev 我会将 [0-5] 扩展到允许以 0 开头的两位数分钟。 - Thomas Ayoub

卡西米尔已经正确回答了这个问题。 - Wiktor Stribiżew

Answer 1

模式从左到右匹配，备选项也从左到右尝试。这是NFA正则表达式引擎的工作方式。PCRE还有一个DFA引擎，它将尝试找到最长的匹配，但它不暴露给PHP。

因此，如果您有一个模式，如a|b，并且b是a的子集，引擎将首先尝试a并成功。部分b将永远不会被匹配。

您可以编写\b(?:[1-5][0-9]|[0-9])\b，但似乎是多余的。

只需使用\b[1-5]?[0-9]\b（如stribizhev建议）始终正确地完成它。 \b 是一个单词边界，它将确保您匹配整个数字，而不仅仅是更大数字的几个数字。

- Lucas Trzesniewski

---

@stribizhev 把你的建议发表为答案...不要害羞 ;) - Stephan

Answer 2

使用PCRE时，递归组是原子的（请参见此article）。这就是为什么正则表达式引擎无法在(?&minutes)中进行回溯的原因。

在42:24;中，24中的2由第一个分支[0-9]匹配（因为第一个获胜），但当模式失败时，因为字符串中有一个4而不是;，正则表达式引擎无法在(?&minutes)子模式内回溯以测试第二个分支[1-5][0-9]。 （您可以查看debugger） 解决方案：不要为如此小的子模式使用递归，这是无用的并且没有意义的（特别是如果您使用名称来捕获组）。编写类似以下内容的东西：

(?<minutes>[1-5]?[0-9]):(?<seconds>[1-5]?[0-9]);

或者为什么不：

(?(DEFINE)(?<sex>[1-5]?[0-9]) for "sexagesimal", not for what you think)
(?<minutes>(?&sex)):(?<seconds>(?&sex));

似乎有些冗余，但如果要提取分钟和秒数，则有意义且有用（否则根本不需要使用组）。毕竟，如果使用命名捕获，则目标不是编写世界上最短的模式。

如果无法避免交替：

- 您可以首先放置最长的分支：[1-5][0-9]|[0-9]，如Lucas所建议的。 - 您还可以使用互斥分支：[1-5][0-9]?|[06-9]，[06-9]|[1-5][0-9]? （在这种情况下，顺序无关紧要） 请注意，递归组的此行为是PCRE特有的，在Perl或Ruby中会有所不同。

- Casimir et Hippolyte

---

你是说为了让这个正则表达式正常工作，必须首先提供最长模式的分支，然后再提供较小的模式吗？ - kos

@kos：是的，可以这样理解（针对特定的模式）。 - Casimir et Hippolyte

我知道这个例子似乎没什么用，而且可以用另一种更方便的方式重写，但它是一个使用分钟、小时、星期和月份的大表达式中的一部分。尽管如此，非常感谢你详细的回答。 - kos

@kos: 我只是想保护你免受最短模式/有趣的特性/我会到处使用它的疯狂侵袭。 - Casimir et Hippolyte