正则表达式：向后看以避免奇数个连续的反斜杠

Posted 2023-02-24

【中文标题】正则表达式：向后看以避免奇数个连续的反斜杠

【英文标题】：RegEx: Look-behind to avoid odd number of consecutive backslashes

【发布时间】：2012-03-25 16:36:10

【问题描述】：

我有用户输入，其中方括号内允许使用一些标签。我已经编写了正则表达式模式来查找和验证括号内的内容。

在用户输入字段中，左括号（[）可以用反斜杠转义，反斜杠也可以用另一个反斜杠（\）转义。我需要后视子模式以避免在打开括号之前出现奇数个连续反斜杠。

目前我必须处理这样的事情：

(?<!\\)(?:\\\\)*\[(?<inside brackets>.*?)]

它工作正常，但问题是这段代码仍然匹配括号前可能的连续反斜杠对（即使它们是隐藏的）并且向后看只是检查是否有另一个单个反斜杠附加到对（或直接打开-括号）。如果可能的话，我需要在后视组中避免它们。

示例：

my [test] string is ok
my \[test] string is wrong
my \\[test] string is ok
my \\\[test] string is wrong
my \\\\[test] string is ok
my \\\\\[test] string is wrong
...
etc

我使用 php PCRE

【问题讨论】：

奇数个数是否有限制？ 1、3、5和7是否足以避免？我想你会放过 2,4,6,8 吗？

@tchrist 不幸的是，它几乎是无限的。我在我的数据库中找到了一些带有 40 多个连续斜杠的示例。有些人正在使用它们来制作 ASCII '绘图'，然后使用标签为某些元素着色或制作超链接。

【参考方案1】：

上次我检查时，PHP 不支持可变长度的lookbehinds。这就是为什么你不能使用简单的解决方案(?<![^\\](?:\\\\)*\\)。

最简单的解决方法是简单地匹配整个内容，而不仅仅是括号部分：

(?<!\\)((?:\\\\)*)\[(?<inside_brackets>.*?)]

不同之处在于，现在，如果您在 preg_replace 中使用该正则表达式，您必须记住在替换字符串前加上 $1 前缀，以恢复那里的反斜杠。

【讨论】：

+1 我在手册中发现后视子模式存在一些限制，所以我猜你对可变长度是正确的。匹配整个字符串并拉出括号内的内容不是问题。我现在正在这样做。一些 REGEX 风格允许在后面查看全模式，例如 .NET，但我想知道在 PCRE 中是否可能。顺便说一句，我在 preg_match_all() 中使用了该模式。不过，感谢您的回答。

不，在 PCRE 中是不可能的；整个字符串匹配的东西只是一种解决方法。它提供了相同的功能，但代价是必须自己重新添加这些字符，并从可能的匹配中排除额外匹配的区域。这在这里不是问题，因为有问题的字符串部分只能包含反斜杠，所以那里不能有括号匹配。

@Wh1T3h4Ck5：您接受的正则表达式 (?<![^\\])<etc...> 不正确。它对 negated 字符类（包含反斜杠）进行 negative 后向查找，从而使其成为反斜杠的 positive 后向查找。您需要改用(?<!\\)！我冒昧地编辑了这个答案。

@TimPietzcker - 是的，我之前看到过，但我接受了这个答案，因为我在 PCRE 中的问题没有解决方案，这个答案的开头句子解释了原因。

@Tim，(?<![^\\]) 不等于 (?<=\\)。如果有匹配项，前者将在字符串的开头匹配，而后者需要至少存在一个中间字符（即反斜杠）。是的，我知道您实际上使用的是(?<!\\) 而不是(?<=\\)（正确的是，恕我直言），但我不能让这句话不受质疑。 ;)

【参考方案2】：

你可以在没有任何后视的情况下做到这一点（(\\\\|[^\\]) 替换除了一个反斜杠之外什么都吃）：

^(\\\\|[^\\])*\[(?<brackets>.*?)\] 

【讨论】：

我需要反斜杠作为后视组的一部分。我已经有很多没有后视的解决方案，其中有一个可以完美地发布在上面的问题中。我不需要替代方法如何以另一种方式完成相同的工作。 Etienne Perot 在他的回答中说我正在寻找的东西对于 PCRE 是不可能的，所以我有解决方案相信他错了（我非常怀疑）或者使用 .NET 重写整个项目，因为到目前为止 .NET 只使用 REGEX 风格支持全模式后视。

顺便说一句，您的示例有两个巨大的错误... 1. 锚 ^ 仅在字符串的开头搜索，2. group (\\\\|[^\]) 至少需要一个左括号之前的字符，如果文档以标签开头，则该字符不起作用。

@Wh1T3h4Ck5：将 + 更改为 * 星号，它也适用于字符串的开头。很明显。

@Wh1T3h4Ck5：上面发布的答案确实有追溯，你认为这是什么：(?

是的，伙计，这是我接受这个答案的原因之一。顺便说一句，该答案的模式与我最初在问题中发布的模式完全相同。看看这个例子"This [is] my [test][string]"，告诉我你的模式是否匹配所有标签——is、this和string？另外，我的问题是“如果可能，我需要在后视组中避免所有（反斜杠）”，而您的回答却没有做到这一点。根据最初的问题，我希望得到类似“是的，这可能是采用后视模式”或“不，这是不可能的”这样的答案。就这么简单。