这段php正则表达式preg_match为什么有时候会return false?

原创: 2016-09-19 09:16:24 925浏览

如题：

echo var_dump(preg_match('/^(([a-zA-Z0-9]+\-?)+[a-zA-Z0-9]+\.)+[a-zA-Z]+$/i','lo-n.l-on.loh-4va.ccccc5om'));//return 0
echo var_dump(preg_match('/^(([a-zA-Z0-9]+\-?)+[a-zA-Z0-9]+\.)+[a-zA-Z]+$/i','lo-n.l-on.loh-4va.cccccom'));//return 1
echo var_dump(preg_match('/^(([a-zA-Z0-9]+\-?)+[a-zA-Z0-9]+\.)+[a-zA-Z]+$/i','lon.lon.lon.loh4va.cccc5com'));//return false
echo var_dump(preg_match('/^(([a-zA-Z0-9]+\-?)+[a-zA-Z0-9]+\.)+[a-zA-Z]+$/i','lon.lon.lon.loh4va.cccccom'));//return 1

回复内容：

如题：

echo var_dump(preg_match('/^(([a-zA-Z0-9]+\-?)+[a-zA-Z0-9]+\.)+[a-zA-Z]+$/i','lo-n.l-on.loh-4va.ccccc5om'));//return 0
echo var_dump(preg_match('/^(([a-zA-Z0-9]+\-?)+[a-zA-Z0-9]+\.)+[a-zA-Z]+$/i','lo-n.l-on.loh-4va.cccccom'));//return 1
echo var_dump(preg_match('/^(([a-zA-Z0-9]+\-?)+[a-zA-Z0-9]+\.)+[a-zA-Z]+$/i','lon.lon.lon.loh4va.cccc5com'));//return false
echo var_dump(preg_match('/^(([a-zA-Z0-9]+\-?)+[a-zA-Z0-9]+\.)+[a-zA-Z]+$/i','lon.lon.lon.loh4va.cccccom'));//return 1

看代码你只是过滤。int(0)代表没匹配到，int(1)是匹配成功。

帮你改一下代码吧，分组捕获不能乱用，正则书写要简洁，还要尽量提高运行效率，还不能存储无谓的变量。要搞懂正则引擎的回溯原理才能明白自己在干什么。

更初级一点的知识，你至少要了解贪婪匹配和非贪婪匹配匹配原理和运行效率的差异。

原:

preg_match('/^(([a-zA-Z0-9]+\-?)+[a-zA-Z0-9]+\.)+[a-zA-Z]+$/i','lo-n.l-on.loh-4va.ccccc5om');

改:

preg_match('/^(?:(?:\w+\.?\w+)-?){4}$/', 'lo-n.l-on.loh-4va.ccccc5om');

我以题主的问题来分析一下。

以题主的第一段代码为例:

preg_match('/^(([a-zA-Z0-9]+\-?)+[a-zA-Z0-9]+\.)+[a-zA-Z]+$/i','lo-n.l-on.loh-4va.ccccc5om')

共花费74781步, 7万多步!
改成我上面修改后的

preg_match('/^(?:(?:\w+\.?\w+)-?){4}$/', 'lo-n.l-on.loh-4va.ccccc5om');

后:

只需要34步。

分析一下匹配过程.
题主的：

修改后的匹配步骤:

74781步 : 34 步约等于2200%, 效率真的是天壤之别.

----补充于dec 29 ---
关于正则的学习:
我是在learning perl里详细研究过。个人觉得用好正则主要需要遵循下面几点：
1 分清什么时候用贪婪匹配、非贪婪匹配
2 尽量用锚位符
3 能分组的尽量分组
4 元字符与其枚举不如反向过滤和概括，如，[a-zA-Z0-9]+不如w+，某些特定场景里，w+不如¹+，如果再加上锚位符(b锚单词,?= ?>, ?!正反向预搜索), 那就更快了. 所谓量词嵌套，就是不该用贪婪匹配(+*的时候就尽量少用，这样能极大程度上减少backtrack，也就是回溯次数。
更感性的认识，我要找出10亿个排成一排里的人里男性，你直接告诉我最明显的一个过几个特征就行了，比如那两棵相距100万平方公里里的一排都是男性，没必要告诉我100个特征让我一个一个去核对。

以上。