正则表达式中'\ G'锚的用法是什么？

Question

我很难理解\G anchor如何在PHP风格的正则表达式中工作。

在发生相同字符串的多个匹配的情况下，我倾向于使用\G代替^（尽管我可能错了）。

有人可以请示例\G应该如何使用，并解释如何和为什么它的作品？

Answer 1

UPDATE

\ G变迫使模式只返回匹配是的连续链的一部分匹配。从第一场比赛开始，每场随后的比赛都必须进行比赛。如果你打破了连锁，比赛结束。

<?php 
$pattern = '#(match),#'; 
$subject = "match,match,match,match,not-match,match"; 

preg_match_all($pattern, $subject, $matches); 

//Will output match 5 times because it skips over not-match 
foreach ($matches[1] as $match) { 
    echo $match . '<br />'; 
} 

echo '<br />'; 

$pattern = '#(\Gmatch),#'; 
$subject = "match,match,match,match,not-match,match"; 

preg_match_all($pattern, $subject, $matches); 

//Will only output match 4 times because at not-match the chain is broken 
foreach ($matches[1] as $match) { 
    echo $match . '<br />'; 
} 
?> 

这是直接从文档

第四使用反斜线的是对于某些简单的断言。一个 断言指定了一个条件，必须在特定的匹配点 处满足条件，而不消耗来自主题 字符串的任何字符。子模式用于更复杂的断言是 下面描述。反斜线的断言是仅在当前匹配位置是 比赛的开始点

\G 
    first matching position in subject 

的\ G断言，是真实的，如通过 的preg_match（）的偏移量参数指定。当偏移值不为​​零时，它与\ A不同。

http://www.php.net/manual/en/regexp.reference.escape.php

你将不得不那一页滚动一点，但它是。

在ruby中有一个很好的例子，但它在php中是一样的。

How the Anchor \z and \G works in Ruby?

Answer 2

\G将匹配匹配的边界，这是字符串的任一开头，或在最后一场比赛的最后一个字符被消耗点。

当您需要执行复杂的标记，同时还要确保标记有效时，它特别有用。

例问题

让我们标记化该输入的例子：

input 'some input in quote' more input '\'escaped quote\'' lots@_$of_fun ' \' \\ ' crazy'stuff' 

进入这些令牌（I使用~来表示字符串的结束）：

input~ 
some input in quote~ 
more~ 
input~ 
'escaped quote'~ 
lots@_$of_fun~ 
' \ ~ 
crazy~ 
stuff~ 

该字符串由以下组合组成：

• 单引号字符串，允许转义\和'，并且空格被保留。空字符串可以使用单引号字符串指定。
• 或未加引号的字符串，它由一系列非空白字符组成，并且不包含\或'。
• 2未加引号的字符串之间的空格将分隔它们。划分其他案件不需要空间。

为了简单起见，我们假设输入不包含新线（在现实情况下，你需要到考虑）。它会增加正则表达式的复杂性，而不会显示出重点。

为单引号的字符串的RAW正则表达式是'(?:[^\\']|\\[\\'])*+'
而对于未加引号的RAW正则表达式是[^\s'\\]++
你不必太在意了2件以上的正则表达式，虽然。

下面\G该解决方案可以确保当发动机未能找到任何匹配，从字符串到最后一个匹配的位置开始所有字符已被消耗。由于它不能跳过字符，因此当它无法为两个标记的规范找到有效的匹配时，引擎将停止匹配，而不是在字符串的其余部分中抓取随机的东西。

建设

在建设的第一步，我们可以放在一起这个表达式：

\G(?:'((?:[^\\']|\\[\\'])*+)'|([^\s'\\]++)) 

或者简单地说（这是不正则表达式 - 这只是为了更容易阅读）：

\G(Singly_quote_regex|Unquoted_regex) 

这将仅匹配第一个标记，因为当它尝试在第二次比赛时，比赛在'some input...之前停止。

---

我们只需要添加一些允许0或更多的空间，因此，在随后的比赛，该位置的剩余空间关闭的最后一场比赛中被消耗：

\G *+(?:'((?:[^\\']|\\[\\'])*+)'|([^\s'\\]++)) 

上面的正则表达式现在可以正确识别令牌，如看到here。

---

正则表达式可以进一步修改，使得它在发动机无法获取任何有效的标记返回字符串的其余部分：

\G *+(?:'((?:[^\\']|\\[\\'])*+)'|([^\s'\\]++)|((?s).+$)) 

由于交替是为了从左到试-right，当且仅当前面的字符串不构成有效的单引号或不引号标记时，最后一个替代((?s).+$)才会匹配。这可以用来检查错误。

第一个捕获组将包含单引号字符内的文本，需要额外的处理变成所需的文本这（它是不是真的与此有关，所以我把它作为一个练习的读者）。第二个捕获组将包含未加引号的字符串。第三个捕获组作为输入字符串无效的指示器。

Demo for the final regex

结论

上面的例子是在标记化的\G使用的一个场景的演示。还有其他的用法我没有遇到过。