先來(lái)看下問(wèn)題。
字符串
復(fù)制代碼 代碼如下:
$str = 'script>123456/script>';
正則表達(dá)式為
復(fù)制代碼 代碼如下:
$strRegex1 = '%script>.+\/script>%';
$strRegex2 = '%script>.+?\/script>%';
$strRegex3 = '%script>(?:(?!\/script>).)+\/script>%';
這三個(gè)正則，分別會(huì)造成幾次回溯呢？？
答案：
復(fù)制代碼 代碼如下:
$strRegex1 = '%script>.+\/script>%'; //9次，記得區(qū)別轉(zhuǎn)義符號(hào)。
$strRegex2 = '%script>.+?\/script>%'; //5次
$strRegex3 = '%script>(?:(?!\/script>).)+\/script>%'; //7次
對(duì)于第一種貪婪匹配的匹配規(guī)則，回溯的9次是正則【】對(duì)字符串“”匹配時(shí)，構(gòu)成的回溯，回溯的次數(shù)，恰好是字符串的長(zhǎng)度。
第二種非貪婪匹配規(guī)則，回溯5次，是正則【.+?】對(duì)字符串“123456”匹配時(shí)構(gòu)成的回溯。回溯的次數(shù)，為字符串長(zhǎng)度減去最小次數(shù)。也就是6-1=5次。如果正則表達(dá)式為【.*?】那么，回溯次數(shù)就是6次了。
第三種正則是零寬斷言，或者叫環(huán)視。（暫且不說(shuō)。）
在NFA正則引擎中，回溯是他的靈魂，所以，不管是貪婪，非貪婪，環(huán)視等寫法中肯定會(huì)有回溯的出現(xiàn)的，這個(gè)我們無(wú)法避免（用詞不太準(zhǔn)確），但是，我們可以減少回溯的次數(shù)，或者保護(hù)其中一部分匹配的規(guī)則不進(jìn)行回溯。
對(duì)于上篇BLOG上提到的鳥(niǎo)哥談到一個(gè)非貪婪引起的大量回溯問(wèn)題，大家可以知道，回溯，確實(shí)是浪費(fèi)資源的罪魁禍?zhǔn)?，那么，我們能否不讓其回溯呢?
答案是肯定的，NFA引擎中，有個(gè)概念，叫固化分組。引用一下書上的概念
復(fù)制代碼 代碼如下:
具體來(lái)說(shuō)，使用「(?>…)」的匹配與正常的匹配并無(wú)差別，但是如果匹配進(jìn)行到此結(jié)構(gòu)之后（也就是，進(jìn)行到閉括號(hào)之后），那么此結(jié)構(gòu)體中的所有備用狀態(tài)都會(huì)被放棄。也就是說(shuō)，在固化分組匹配結(jié)束時(shí)，它已經(jīng)匹配的文本已經(jīng)固化為一個(gè)單元，只能作為整體而保留或放棄。括號(hào)內(nèi)的子表達(dá)式中未嘗試過(guò)的備用狀態(tài)都不復(fù)存在了，所以回溯永遠(yuǎn)也不能選擇其中的狀態(tài)（至少是，當(dāng)此結(jié)構(gòu)匹配完成時(shí)，“鎖定（locked in）”在其中的狀態(tài)）。
那么，固化分組到底有什么用處呢？我們來(lái)舉個(gè)例子。（找不到合適的例子，俺只好借用一下書上的例子了）
比如要處理一批數(shù)據(jù)，原來(lái)格式為123.456，后來(lái)因?yàn)楦↑c(diǎn)數(shù)顯示問(wèn)題，部分?jǐn)?shù)據(jù)格式變?yōu)?23.456000000789這種，，要求做到只保留小數(shù)點(diǎn)后面2-3位，但是，最后一位不能為0，這個(gè)正則如何寫呢？（下面直接考慮小數(shù)點(diǎn)后面的數(shù)字），寫出正則之后，我們還要用這個(gè)正則去匹配數(shù)據(jù)，把原來(lái)的數(shù)據(jù)替換成匹配的結(jié)果。
首先，我們可以立刻寫出這樣的正則【\.\d\d[1-9]?\d*】，PHP代碼為
復(fù)制代碼 代碼如下:
$str = preg_replace('\.(\d\d[1-9]?)\d*','\\1',$str); //匹配結(jié)果的group1進(jìn)行反向引用
很明顯，這種寫法，對(duì)于部分?jǐn)?shù)據(jù)格式為123.456的這種格式，白白的處理了一遍，為了提高效率，我們還要對(duì)這個(gè)正則進(jìn)行處理。從123.456這個(gè)字符串跟其他的比較一下，我們發(fā)現(xiàn)，是疑問(wèn)123.456這個(gè)數(shù)據(jù)后面沒(méi)數(shù)字了，所以，白白處理一遍。那好辦，我們對(duì)這個(gè)正則改造一下，把后面的量詞*改成+，這樣對(duì)于123.45 小數(shù)點(diǎn)后面1，2位數(shù)字的，不會(huì)去白白處理，而且，對(duì)三位以上數(shù)字的，處理正常。其PHP代碼為
復(fù)制代碼 代碼如下:
$str = preg_replace('\.(\d\d[1-9]?)\d+','\\1',$str);
好了，這個(gè)正則真的沒(méi)問(wèn)題嗎？？確定嗎？上篇博文，我們了解了匹配原理，那么，我們也分析一下這個(gè)正則的匹配過(guò)程吧。
字符串"123.456",正則表達(dá)式為【\.(\d\d[1-9]?)\d+】，我們來(lái)看下
首先（小數(shù)點(diǎn)前123不說(shuō)了），【\.】匹配"."，匹配成功，把控制權(quán)給下一個(gè)【\d】，【\d】匹配“4”成功，把控制權(quán)給第二個(gè)【\d】，這個(gè)【\d】匹配“5”成功，然后，把控制權(quán)給了【[1-9]?】，由于量詞是【?】，正則表達(dá)式遵循“量詞優(yōu)先匹配”，而且，此處是【?】，還會(huì)留下一個(gè)回溯點(diǎn)。然后匹配"6"成功，然后把控制權(quán)給【\d+】，【\d+】發(fā)現(xiàn)后面沒(méi)字符了，最遵循“后進(jìn)先出”規(guī)則，回到上一個(gè)回溯點(diǎn)，進(jìn)行匹配，這時(shí)，【[1-9]?】會(huì)交還出其匹配的字符“6”，【[1-9]?】匹配“6”成功。匹配完成了。大家發(fā)現(xiàn)【(\d\d[1-9]?)】匹配的結(jié)果確是"45",并不是我們想要的“456”，“6”被【\d+】匹配去了。那么，我們?cè)撊绾无k呢？ 能否讓【[1-9]?】匹配一旦成功，不進(jìn)行回溯呢？這就用到了我們上面說(shuō)的"固化分組", PHP（preg_replace函數(shù)）中使用的正則引擎支持固化分組，我們根據(jù)固化分組的寫法，可以把代碼改成如下方式
復(fù)制代碼 代碼如下:
$str = preg_replace('\.(\d\d(?>[1-9]?))\d+','\\1',$str);
改成這樣的話，那字符串“123.456“是不符合要求，不會(huì)被匹配的。那我們就可以實(shí)現(xiàn)我們的要求了。
從上面的例子中，知道了固化分組的作用，那么對(duì)于鳥(niǎo)哥BLOG上寫的那個(gè)非貪婪的回溯問(wèn)題，我們能否也對(duì)其改造，使得其不回溯呢？
先看下鳥(niǎo)哥給的答案
復(fù)制代碼 代碼如下:
/script>[^]*\/script>/is
鳥(niǎo)哥寫的很精悍。排除“”之外的所有字符都符合，而且，中間部分不回溯，效率高?？墒?，如果中間有字符““的話（如下代碼）
復(fù)制代碼 代碼如下:
script>
if a b
/script>
那鳥(niǎo)哥的這個(gè)正則就不能匹配，就不能實(shí)現(xiàn)我們想要的功能了。
那我們可以根據(jù) 固化分組、環(huán)視(零寬斷言)來(lái)實(shí)現(xiàn)這個(gè)要求，最后，CFC4N給出的正則以及PHP代碼事例如下
復(fù)制代碼 代碼如下:
$reg = '%script>(?>[^]*)(?>(?!/?script>)[^]*)*/script>%is';
$str = str_pad("script>", 111111, "*"); //字符長(zhǎng)度大于PHP回溯限制的100000
$str .= 'if a b ; if b > c;/script>'; //隨便加幾個(gè)包含 > 的測(cè)試字符
$ret = preg_replace($reg, "OK", $str);
print_r($ret); //打印結(jié)果 OK，證明匹配正確
var_dump(preg_last_error()); //上一次匹配錯(cuò)誤。其輸出為 int(0)
嗨，同學(xué)，你看明白了嗎？
以上為小菜CFC4N的愚文，如有錯(cuò)誤，歡迎指出。
您可能感興趣的文章:- 最常用的PHP正則表達(dá)式收集整理
- PHP 正則表達(dá)式常用函數(shù)使用小結(jié)
- PHP匹配連續(xù)的數(shù)字或字母的正則表達(dá)式
- php中字符串和正則表達(dá)式詳解
- php過(guò)濾HTML標(biāo)簽、屬性等正則表達(dá)式匯總
- php使用正則表達(dá)式提取字符串中尖括號(hào)、小括號(hào)、中括號(hào)、大括號(hào)中的字符串
- PHP之正則表達(dá)式捕獲組與非捕獲組（詳解）
- PHP正則表達(dá)式之捕獲組與非捕獲組
- 淺談PHP正則中的捕獲組與非捕獲組
- PHP實(shí)現(xiàn)正則表達(dá)式分組捕獲操作示例
