PHP擴展之文本處理(二)——PCRE正則表達式語法10——后向引用
在一個字符類外面, 反斜線緊跟一個大于 0 (可能還有一位數(shù))的數(shù)字就是一個到模式中之前出現(xiàn)的某個捕獲組的后向引用。
如果緊跟反斜線的數(shù)字小于 10, 它總是一個后向引用, 并且如果在模式中沒有這么多的捕獲組會引發(fā)一個錯誤。 換一種說法, 被引用的括號不能少于被引用的小于 10 的數(shù)量。 查看上面的”反斜線”部分查看具體的數(shù)字處理方式。
一個后向引用會直接匹配被引用捕獲組在目標(biāo)字符串中實際捕獲到的內(nèi)容, 而不是匹配子組模式的內(nèi)容。因此,模式(sens|respons)e and 1ibility將會匹配 ”sense and sensibility” 和 ”response and responsibility”, 而不會匹配 ”sense and responsibility”。 如果在后向引用時被強制進行了大小寫敏感匹配, 比如?((?i)rah)s+1?匹配 ”rah rah”和”RAH RAH”,但是不會匹配 ”RAH rah”, 即使原始捕獲子組自身是不區(qū)分大小寫的。 譯注: 這里其實要考慮的是后向引用期望得到的內(nèi)容是和那個被引用的捕獲子組得到的內(nèi)容是完全一致的(當(dāng)然, 我們可以通過在后向引用之前設(shè)定內(nèi)部選項使其不區(qū)分大小寫,或者增加模式修飾符, 同樣可以達到不區(qū)分大小寫的目的,但是, 這種做法實際上是從外部對其行為進行了控制。)
可能會有超過一個的后向引用引用相同的子組。 一個子組可能并不會真正的用于特定的匹配,此時, 任何對這個子組的后向引用也都會失敗。 比如, 模式?(a|(bc))2?總是在匹配 ”a” 開頭而不是 ”bc” 開頭的字符串時失敗。 因為可能會有多達 99 個后向引用, 所有緊跟反斜線后的數(shù)字都可能是一個潛在的后向引用計數(shù)。 如果模式在后向引用之后緊接著還是一個數(shù)值字符, 那么必須使用一些分隔符用于終結(jié)后向引用語法。 如果?PCRE_EXTENDED?選項被設(shè)置了, 可以使用空格來做。其他情況下可以使用一個空的注釋。
如果一個后向引用出現(xiàn)在它所引用的子組內(nèi)部, 它的匹配就會失敗。比如, (a1) 就不會得到任何匹配。然而這種引用可以用于內(nèi)部的子模式重復(fù)。比如, 模式?(a|b1)+?會匹配任意數(shù)量的 ”a” 組成的字符串以及 ”aba”, “ababba” 等等(譯注: 因為子組內(nèi)部有一個可選路徑,可選路徑中有一條路能夠完成匹配,在匹配完成后, 后向引用就能夠引用到內(nèi)容了)。在每次子模式的迭代過程中, 后向引用匹配上一次迭代時這個子組匹配到的字符串。為了做這種工作, 模式必須滿足這樣一個條件,模式在第一次迭代的時候, 必須能夠保證不需要匹配后向引用。 這種條件可以像上面的例子用可選路徑來實現(xiàn),也可以通過使用最小值為 0 的量詞修飾后向引用的方式來完成。
在 PHP 5.2.2之后,?g?轉(zhuǎn)義序列可以用于子模式的絕對和相對引用。 這個轉(zhuǎn)義序列必須緊跟一個無符號數(shù)字或一個負數(shù), 可以選擇性的使用括號對數(shù)字進行包裹。 序列1,?g1,g{1}?之間是同義詞關(guān)系。 這種用法可以消除使用反斜線緊跟數(shù)值描述反向引用時候產(chǎn)生的歧義。 這種轉(zhuǎn)義序列有利于區(qū)分后向引用和八進制數(shù)字字符, 也使得后向引用后面緊跟一個原文匹配數(shù)字變的更明了,比如?g{2}1。
g?轉(zhuǎn)義序列緊跟一個負數(shù)代表一個相對的后向引用。比如:?(foo)(bar)g{-1}?可以匹配字符串 ”foobarbar”,(foo)(bar)g{2}?可以匹配 ”foobarfoo”。 這在長的模式中作為一個可選方案, 用來保持對之前一個特定子組的引用的子組序號的追蹤。
后向引用也支持使用子組名稱的語法方式描述, 比如?(?P=name)?或者 PHP 5.2.2 開始可以實用k<name>?或?k’name’。 另外在 PHP 5.2.4 中加入了對k{name}?和?g{name}?的支持。
相關(guān)文章:
