Fatal编程技术网
  • regex/
  • Regex Perl正则表达式引擎错误？

Regex Perl正则表达式引擎错误？

regex perl validation debugging

Regex Perl正则表达式引擎错误？,regex,perl,validation,debugging,pcre,Regex,Perl,Validation,Debugging,Pcre,我一直在尝试编写一个正则表达式来验证文件，以确保它遵循特定的格式。该文件应具有版本（）行，然后后跟一个或多个元素（）块 以下是一个有效文件的示例： version(1.0); element ( ); element ( ); element ( ); 作为测试，我创建了以下Perl示例： use strict; use warnings; my $text = <<'END_TEXT'; version(1.0); element ( ); garbage <-

我一直在尝试编写一个正则表达式来验证文件，以确保它遵循特定的格式。该文件应具有
版本（）行，然后后跟一个或多个
元素（）块

以下是一个有效文件的示例：


version(1.0);

element
(
);

element
(
);

element
(
);


作为测试，我创建了以下Perl示例：


use strict;
use warnings;

my $text = <<'END_TEXT';
version(1.0);

element
(
);

garbage <--- THIS SHOULD NOT MATCH!

element
(
);

element
(
);

END_TEXT

my $rx_defs = qr{(?(DEFINE)
    (?<valid_text>
        \A\s*(?&version)\s*
        (?: (?&element) \s* )+
        \s*\Z
    )
    (?<version>
        version\(.+?\);
    )
    (?<element>
        element\s*
        (?&element_body);
    )
    (?<element_body>
        \( (?: [^()]++ | (?&element_body) )* \)
    )
)}xms;

if ($text =~ m/(?&valid_text)$rx_defs/) {
    print "match";
}


我花了几个小时试图找出正则表达式的错误，但我就是看不到它。我甚至使用了一个测试来测试正则表达式，根据测试，我的正则表达式应该可以正常工作！（如果希望在格式有效时查看“垃圾”行是否正确匹配，请尝试删除该行。）

这让我一整天都感到困惑，我想知道Perl正则表达式引擎本身是否存在bug。有人能告诉我为什么这是匹配的，而它不应该


我使用的是perl v5.20.1
非贪婪匹配不会在满足时立即停止。它试图尽快继续。如果正则表达式的其余部分无法匹配，那么回溯仍然会发生——但对于非贪婪量词，回溯意味着匹配更多

避免这种情况的一种可能性在于回溯控制。例如，您可能希望在
版本
初始匹配后禁止回溯。我们可以通过
（？>…）
构造来实现这一点。这与包含的模式独立于外部模式进行匹配。如果模式的其余部分失败，回溯将不会继续到包含的模式中，而是跳过整个包含的模式。描述这一点有点困难，请参阅了解详细信息

将
++
添加到量词（如
++
，
？++
，
*++
）具有与
（？>…）
类似的效果。在高效正则表达式中，最好使用这些无回溯量词和
（？>…）
组

具体来说，替换


(?<valid_text>
    \A\s*(?&version)\s*
    (?: (?&element) \s* )+
    \s*\Z
)



来自PCRE文档，网址为：


  • 直到PCRE2 10.23版，子例程调用（无论是否递归）一直被视为原子组，但从10.30版开始，这种情况发生了变化，现在支持回溯到子例程调用，就像在Perl中一样
    • 
regex101使用PHP运行PCRE。据介绍，PHP只支持PCRE1（8.x分支）。因此，regex101不支持回溯到子例程调用中
    
。。。这就是这里发生的事情：
    

      

    • 我们进入
      （？&valid\u text>）
      并尝试匹配
      \A\s*（？&version）\s*
      • 

    • \A
      （字符串开头）和
      \s*
      （可选空格）很简单
      • 

    • （？&version）
      不执行
      version\（.+？\）
      • 

    • 这与输入的以下部分匹配：
      

      version();

element
(
);

      

      版本（
      按字面匹配。下一个字符
      ）
      由
      +？
      （至少需要一个字符匹配）使用。然后
      +？
      慢慢地消耗越来越多的字符（它不是贪婪的），直到到达
      ）。第一次发生这种情况是在消费
      之后；元素（
      ），所以我们现在就到此为止
      • 

    • （？&version）
      调用返回
      • 

    • 我们使用以下任何空格
      • 

    • 下一部分是
      （？：（？&element）\s*）+
      ，即一个或多个元素，每个元素后跟可选空格
      • 

    • （？&element）
      不执行
      element\s*
      ，即它必须以
      element
      • 

    • 我们当前在输入中的位置是
      垃圾…
      ，因此此操作失败
      • 

    
此时正则表达式引擎尝试回溯。在PCRE<10.30中，唯一可以回溯的部分是
    \s*
    （即“可选空白”位），但匹配较少的空白字符也不会导致成功匹配，因此整个过程很快失败
    
但是，在Perl中，我们可以回溯到子例程调用：我们重新输入
    （？&version）
    ，让
    +？
    匹配更多字符（直到找到下一个
    ）；
    ），然后重试
    （？&element）
    。这最终会让
    （？&version）
    消耗
    垃圾
    和下面的
    元素
    ，从而允许整个正则表达式成功
    
有人能告诉我为什么这是匹配的，而它不应该
    
我不明白你为什么认为它不匹配。：-）
    

    它在PHP中不匹配的唯一原因是它使用的旧PCRE版本有限制。
    这一点看起来可疑：
    version\（.+？\）–paren可以包含元素和垃圾。考虑限制内容，例如“<代码> [^ ] ] + < /代码>。但是怎么办？？？一个非贪婪的匹配应该在满足后立即停止！还有，为什么这在perl中匹配，而在使用“PCRE”作为regex类型的regex测试网站上不匹配？它们的功能应该相同，不是吗？一个非常酷的正则表达式，毫无疑问，正则表达式是一个伟大的工具，毫无疑问。。。但我忍不住要说：这很难，但可以通过使用处理嵌套/平衡分隔符的工具来避免。提示：这绝不是引擎/语言/编译器的bug；这总是一个用户错误。好。。。除非。。。但这是一长串可能的行为原因中的最后一件事。（我会重新考虑这样的标题；你真的确定吗？）我试图解析的真实文本在
    version（）
    的括号之间有文本。我的例子似乎有点过于简单化了，但即使有其他的
    +？
    文本，它仍然匹配。我想这是正确的行为，尽管它非常令人困惑。@tjwrona1992任何时候你在正则表达式中有
    *
    或
    +
    ，这都是一个潜在的错误
    *
    可以并且将跳过任何文本，如果这是使整个正则表达式成功的必要条件（除非我

    (?<valid_text>
    \A\s*(?>(?&version))\s*
    (?: (?&element) \s* )++
    \s*\Z
)

    

    (?<valid_text>
    \A\s*(?&version)\s* (*PRUNE)
    (?: (?&element) \s* )+
    \s*\Z
)

    

    version();

element
(
);