替换文本末尾的额外字符

Posted 2023-02-24

【中文标题】替换文本末尾的额外字符

【英文标题】：Extra characters on the end of replaced text

【发布时间】：2013-03-20 08:20:19

【问题描述】：

在 php 和 Java 中，我将 /^[^\pL]*|[^\pL]*$/ 应用到 ‍‍‍-A- 并得到 *A**。我应用了对称图案并得到了不对称的结果！为什么？我想知道为什么它的输出不是*A*？

模式说字符串末尾除了字母之外的所有东西都应该替换为*，它也是贪婪的，应该将所有非字母的东西一起替换。

RegexBuddy 中的 Alos note 我得到了 *A* 这正是我所期望的。

更新：我简化了问题以集中我的主要关注点。

【参考方案1】：

#^[^\pL]+|[^\pL]+$#u

将* 替换为+。将* 与$ 结合使用并不完全符合人们的预期。正则表达式引擎如何工作的一个奇怪结果是，X*$ 将找到 两个 匹配 X*。使用+ 修复它。

说明

[^\pL]*$

让我们看一下正则表达式的这一部分，它没有按预期工作。为什么它在某些字符串的末尾放了两个*？

考虑替换第一组破折号后的第三个示例字符串---A---：

*A---$

正则表达式引擎在这里找到匹配的正则表达式：

*A---$
  ^

并用星号替换"---"：

*A*$
  ^

然后它将其内部光标移动到替换字符串的右侧。

*A*$
   ^

它从这个光标位置开始并寻找另一个匹配。它找到了一个！它找到""——空字符串！ "" 由 0 个或多个非字母 ([^\pL]*) 组成，它锚定在字符串的末尾 ($)，因此它是有效匹配。它确实找到了空字符串，但这是允许的。

这是出乎意料的，因为它再次与 $ 锚点匹配。那不是错了吗？它不应该再次匹配$，不是吗？好吧，实际上，它应该而且确实如此。它可以再次匹配$，因为$ 不是输入字符串中的实际字符——它是一个零宽度断言。它不会被第一次替换“用完”。 $ 允许匹配两次。

因此，它用星号“替换”了空字符串""。这就是为什么你最终会得到两个星号。

*A**$
   ^

如果正则表达式引擎返回到步骤 4，它将找到另一个空字符串并添加另一个星号。从概念上讲，那里有无数个空字符串。为了避免这种情况，引擎不允许下一场比赛在与前一场比赛相同的位置开始。此规则可防止它进入无限循环。

【讨论】：

@PHPst 我没有关注。我忽略了什么？

@PHPst 你能告诉我你不遵循（或不同意）我的解释的哪一部分吗？

@PHPst 他什么都没忽略。您的字符串与[^\pL]*$ 匹配两次。一旦被替换为'---'。紧随其后的是一个''。与您的“A”变为“*A”的原因相同。

@JohnKugelman 你忽略了 RegEx 的贪婪。替换操作应在第三个破折号 ---A---| 之后发生。A 后面的字符应整体替换为“*”。我不明白您的回答如何显示意外替换。

补充一点：第三次不匹配的原因，是因为之前的匹配是空的。在这种情况下，引擎不允许下一场比赛从同一位置开始，因为接下来的所有比赛也会从那里开始。它会陷入无限循环。

【参考方案2】：

正确的正则表达式应该是这样的：

$arr = preg_replace('#^[^\pL]+|[^\pL]+$#','*', 
           array('A','-A-','---A---','-+*A*+-','------------A------------'));

注意+ 而不是*。这将给出输出：

Array
(
    [0] => A
    [1] => *A*
    [2] => *A*
    [3] => *A*
    [4] => *A*
)

PS：请注意，第一个元素将保持不变，因为在 A 之前和之后没有 non-alpha 字符。

【讨论】：

@didierc：请参阅我关于第一个元素的回答中的注释。

谢谢，但我的问题是关于上述正则表达式的行为，而不是另一个！

【参考方案3】：

试一试： 在代码之后和代码正文中都给出了解释——作为 cmets。

<?php
class String

    private $str;
    public function __construct($str)
    
        $this->str=$str;
    
    public function replace($regex,$replacement)
    
        return preg_replace($regex,$replacement,$this->str);
    


function String($str)

    return new String($str);


echo String('A')->replace('/^[^\pL]*|[^\pL]*$/','*').'<br />';//Outputs *A*
 //Why does this output *A* and not A?
 //Because it successfully matches an empty string
 //The easiest way to test for the presence of an empty string is like so:
echo String('A')->replace('//','*').'<br />';//Outputs *A*
 //The engine begins by placing its internal pointer before the string like so:
 // A
 //^
 //It then tests the regular expression for the empty string ""
 //Most regular expressions will fail this test. But in our case matches it successfully.
 //Since we are preforming a search and replace the "" will get replaced by a "*" character
 //Then the internal pointer advances to the next character after its successful match
 // A
 // ^
 //It tests our regular expression for the A character and it fails.
 //Since we are performing a search and replace the searched "A" portion remains unchanged as "A"
 //The internal pointer advances to the next character
 // A
 //  ^
 //It tests our regular expression for the empty string ""
 //Again, most regular expressions will fail this test. But since ours successfully matched it,
 //The "" portion will get replaced by "*"
 //The engine then returns our output:
 //*A*
echo '<hr />';
 //If we wanted to replace the A character too, we'd do this:
echo String('A')->replace('/|A/','*').'<br />';//Outputs ***
 //Or we could do:
echo String('A')->replace('/.*?/','*').'<br />';//Outputs ***
 //Thus we see for a 1 character string the engine will test for the empty spaces "" before and after the character as well
 //For a 19 character string it tests for all the gaps between each character like so:
echo String('19 character string')->replace('//','*').'<br />';//Outputs *1*9* *c*h*a*r*a*c*t*e*r* *s*t*r*i*n*g*
 //For an empty string it would match once successfully like so:
echo String('')->replace('//','*').'<br />';//Outputs *

echo String('A')->replace('/^[^\pL]*|[^\pL]*$/','*');//Outputs *A* 为什么上面的输出是*A* 而不是A？ 因为这个正则表达式将成功匹配空字符串""。 使用空的正则表达式观察到相同的行为，如下所示：echo String('A')->replace('//','*');//Outputs *A* 我现在将解释 为什么正则表达式engine实现会产生这些奇怪的结果。之后你会明白他们一点都不奇怪，但实际上是正确的行为。 引擎首先将其 内部指针 放在字符串之前，如下所示：

  A
_ _ _
^

由于指针指向空字符串""，然后它会根据我们的正则表达式对其进行测试。 大多数正则表达式将无法通过此测试，因为满足正则表达式所需的最少字符数通常是一个或多个。但在我们的例子中，匹配是成功的，因为 0 个字符是对我们正则表达式的有效匹配。 由于我们正在执行搜索和替换，"" 将被 "*" 字符替换。 然后内部指针在匹配成功后前进到下一个字符：

  A
_ _ _
  ^

它测试"A" 字符的正则表达式，它失败。 由于我们正在执行搜索和替换，搜索到的"A" 部分保持不变为"A"内部指针前进到下一个字符：

  A
_ _ _
    ^

它测试我们的正则表达式是否为空字符串"" 同样，大多数正则表达式都无法通过此测试。 但由于我们的正则表达式 成功 匹配它，"" 部分将被 "*" 替换引擎然后完成遍历我们的字符串"A"并返回我们的输出："*A*"

如果我们也想替换 A 字符，我们会这样做：echo String('A')->replace('/|A/','*');//Outputs *** 或者我们可以这样做：echo String('A')->replace('/.*?/','*').'<br />';//Outputs *** 因此，我们看到对于 1 个字符的字符串，引擎也会在字符之前和之后测试 ""。 对于 19 个字符的字符串，它会测试每个字符之间的所有间隙，如下所示：echo String('19 character string')->replace('//','*');//Outputs *1*9* *c*h*a*r*a*c*t*e*r* *s*t*r*i*n*g* 对于空字符串，它会成功匹配一次，如下所示：echo String('')->replace('//','*');//Outputs *

我的解释到此结束。要修复您的正则表达式，请按照之前的建议进行操作并使用：/^[^\pL]+|[^\pL]+$/ 这将使满足正则表达式所需的最少字符数，从而解决不需要的行为。

最后，如果有人想知道\pL 在正则表达式中的作用，它的基本意思是：匹配任何类似字母的字符（而不是数字或符号）。这里解释： http://www.php.net/manual/en/regexp.reference.unicode.php

【参考方案4】：

/^[^\pL]*|[^\pL]*$/  
['A','-A-','---A---','-+*A*+-','------------A------------']

也许我误解了问题或正则表达式，但它看起来与两个选项之一匹配

选项 1：它匹配 /^ 换行符或字符串的开头。然后它匹配一个不是字母的字符零次或多次

所以理论上-A、=A、-、=-+_+_==-=~````~!@#$A，甚至=-+_+_==-=~~!@# 都会匹配这个。

选项2：匹配非字母零次或多次，然后匹配字符串或行的结尾