假设你的文本中包含了正确配对的嵌套括号. 括号的深度可以是无限层. 你想捕获这样的括号组.
<?PHP
$string = "some text (a(b(c)d)e) more text";
if(preg_match("/\(([^()]+|(?R))*\)/",$string,$matches)) {
echo "<pre>"; print_r($matches); echo "</pre>";
}
?>
结果是:
Array
(
[0] => (a(b(c)d)e)
[1] => e
)
可见,我们所需要的文本,已经捕获到$matches[0]中了.
原理
现在思考原理.
上面的正则表达式中的关键点是(?R). (?R)的作用就是递归地替换它所在的整条正则表达式. 在每次迭代时,PHP 语法分析器都会将(?R)替换为”\(([^()]+|(?R))*\)“.
因此,具体到上述的例子,其正则表达式等价于:
"/\(([^()]+|\(([^()]+|\(([^()]+)*\))*\))*\)/"
但是上面的代码只适合深度为3层的括号. 对于未知深度的括号嵌套,就只好使用这种正则了:
"/\(([^()]+|(?R))*\)/"
它不但能够匹配无限深度,还简化了正则表达式的语法. 功能强大,语法简洁.
现在来细看一下"/\(([^()]+|(?R))*\)/"是怎样匹配"(a(b(c)d)e)"的:
"(c)"这部分被正则式 "\(([^()]+)*\)" 匹配. 请注意,(c) 其实就相当于整个递归的一个缩影,麻雀虽小五脏俱全,因此它用到了整个正则表达式.
换言之,下一步中的(c),可以使用(?R) 来匹配.
(b(c)d)的匹配过程为:
"\("匹配"(";
"[^()]+"匹配"b";
(?R)匹配"(c)";
"[^()]+"匹配"d";
"\)"匹配")".
根据上面的匹配原理,不难理解为什么数组的第2个元素$matches[1]与'e'等价. 子串'e'是在最后一次匹配迭代中被捕获. 匹配过程中,只有最后一次的捕获结果才会保存到数组中.
关于这个特性,可以自行尝试一下,看看使用正则式([a-z]+[0-9]+)+来匹配字串abc123xyz890,其捕获结果$1是什么. 注意,其结果与 Left Longest 原理并不冲突.
如果我们只需要捕获 $matches[0],可以这样做:
<?PHP
$string = "some text (a(b(c)d)e) more text";
if(preg_match("/((?:[^()]+|(?R))*)/",$matches))
{
echo "<pre>"; print_r($matches); echo "</pre>";
}
?>
产生的结果相同:
Array
(
[0] => (a(b(c)d)e)
)
所做的改动是捕获括号()改为非捕获捕获括号(?:)了.
还可以进一步完善为:
<?PHP
$string = "some text (a(b(c)d)e) more text";
if(preg_match("/((?>[^()]+|(?R))*)/",$matches))
{
echo "<pre>"; print_r($matches); echo "</pre>";
}
?>
这里我们用到了所谓的一次性模式(rex注: 余晟先生译的《精通正则表达式v3.0》中,谓之”固化分组”. 可参考该书.) PHP手册也推荐只要条件允许,就尽可能使用这种模式,以便提升正则表达式的速度.
