先來看下問題。
字符串
復制代碼 代碼如下:
$str = 'script>123456/script>';
正則表達式為
復制代碼 代碼如下:
$strRegex1 = '%script>.+\/script>%';
$strRegex2 = '%script>.+?\/script>%';
$strRegex3 = '%script>(?:(?!\/script>).)+\/script>%';
這三個正則，分別會造成幾次回溯呢？？
答案：
復制代碼 代碼如下:
$strRegex1 = '%script>.+\/script>%'; //9次，記得區別轉義符號。
$strRegex2 = '%script>.+?\/script>%'; //5次
$strRegex3 = '%script>(?:(?!\/script>).)+\/script>%'; //7次
對于第一種貪婪匹配的匹配規則，回溯的9次是正則【】對字符串“”匹配時，構成的回溯，回溯的次數，恰好是字符串的長度。
第二種非貪婪匹配規則，回溯5次，是正則【.+?】對字符串“123456”匹配時構成的回溯。回溯的次數，為字符串長度減去最小次數。也就是6-1=5次。如果正則表達式為【.*?】那么，回溯次數就是6次了。
第三種正則是零寬斷言，或者叫環視。（暫且不說。）
在NFA正則引擎中，回溯是他的靈魂，所以，不管是貪婪，非貪婪，環視等寫法中肯定會有回溯的出現的，這個我們無法避免（用詞不太準確），但是，我們可以減少回溯的次數，或者保護其中一部分匹配的規則不進行回溯。
對于上篇BLOG上提到的鳥哥談到一個非貪婪引起的大量回溯問題，大家可以知道，回溯，確實是浪費資源的罪魁禍首，那么，我們能否不讓其回溯呢？
答案是肯定的，NFA引擎中，有個概念，叫固化分組。引用一下書上的概念
復制代碼 代碼如下:
具體來說，使用「(?>…)」的匹配與正常的匹配并無差別，但是如果匹配進行到此結構之后（也就是，進行到閉括號之后），那么此結構體中的所有備用狀態都會被放棄。也就是說，在固化分組匹配結束時，它已經匹配的文本已經固化為一個單元，只能作為整體而保留或放棄。括號內的子表達式中未嘗試過的備用狀態都不復存在了，所以回溯永遠也不能選擇其中的狀態（至少是，當此結構匹配完成時，“鎖定（locked in）”在其中的狀態）。
那么，固化分組到底有什么用處呢？我們來舉個例子。（找不到合適的例子，俺只好借用一下書上的例子了）
比如要處理一批數據，原來格式為123.456，后來因為浮點數顯示問題，部分數據格式變為123.456000000789這種，，要求做到只保留小數點后面2-3位，但是，最后一位不能為0，這個正則如何寫呢？（下面直接考慮小數點后面的數字），寫出正則之后，我們還要用這個正則去匹配數據，把原來的數據替換成匹配的結果。
首先，我們可以立刻寫出這樣的正則【\.\d\d[1-9]?\d*】，PHP代碼為
復制代碼 代碼如下:
$str = preg_replace('\.(\d\d[1-9]?)\d*','\\1',$str); //匹配結果的group1進行反向引用
很明顯，這種寫法，對于部分數據格式為123.456的這種格式，白白的處理了一遍，為了提高效率，我們還要對這個正則進行處理。從123.456這個字符串跟其他的比較一下，我們發現，是疑問123.456這個數據后面沒數字了，所以，白白處理一遍。那好辦，我們對這個正則改造一下，把后面的量詞*改成+，這樣對于123.45 小數點后面1，2位數字的，不會去白白處理，而且，對三位以上數字的，處理正常。其PHP代碼為
復制代碼 代碼如下:
$str = preg_replace('\.(\d\d[1-9]?)\d+','\\1',$str);
好了，這個正則真的沒問題嗎？？確定嗎？上篇博文，我們了解了匹配原理，那么，我們也分析一下這個正則的匹配過程吧。
字符串"123.456",正則表達式為【\.(\d\d[1-9]?)\d+】，我們來看下
首先（小數點前123不說了），【\.】匹配"."，匹配成功，把控制權給下一個【\d】，【\d】匹配“4”成功，把控制權給第二個【\d】，這個【\d】匹配“5”成功，然后，把控制權給了【[1-9]?】，由于量詞是【?】，正則表達式遵循“量詞優先匹配”，而且，此處是【?】，還會留下一個回溯點。然后匹配"6"成功，然后把控制權給【\d+】，【\d+】發現后面沒字符了，最遵循“后進先出”規則，回到上一個回溯點，進行匹配，這時，【[1-9]?】會交還出其匹配的字符“6”，【[1-9]?】匹配“6”成功。匹配完成了。大家發現【(\d\d[1-9]?)】匹配的結果確是"45",并不是我們想要的“456”，“6”被【\d+】匹配去了。那么，我們該如何辦呢？ 能否讓【[1-9]?】匹配一旦成功，不進行回溯呢？這就用到了我們上面說的"固化分組", PHP（preg_replace函數）中使用的正則引擎支持固化分組，我們根據固化分組的寫法，可以把代碼改成如下方式
復制代碼 代碼如下:
$str = preg_replace('\.(\d\d(?>[1-9]?))\d+','\\1',$str);
改成這樣的話，那字符串“123.456“是不符合要求，不會被匹配的。那我們就可以實現我們的要求了。
從上面的例子中，知道了固化分組的作用，那么對于鳥哥BLOG上寫的那個非貪婪的回溯問題，我們能否也對其改造，使得其不回溯呢？
先看下鳥哥給的答案
復制代碼 代碼如下:
/script>[^]*\/script>/is
鳥哥寫的很精悍。排除“”之外的所有字符都符合，而且，中間部分不回溯，效率高。可是，如果中間有字符““的話（如下代碼）
復制代碼 代碼如下:
script>
if a b
/script>
那鳥哥的這個正則就不能匹配，就不能實現我們想要的功能了。
那我們可以根據 固化分組、環視(零寬斷言)來實現這個要求，最后，CFC4N給出的正則以及PHP代碼事例如下
復制代碼 代碼如下:
$reg = '%script>(?>[^]*)(?>(?!/?script>)[^]*)*/script>%is';
$str = str_pad("script>", 111111, "*"); //字符長度大于PHP回溯限制的100000
$str .= 'if a b ; if b > c;/script>'; //隨便加幾個包含 > 的測試字符
$ret = preg_replace($reg, "OK", $str);
print_r($ret); //打印結果 OK，證明匹配正確
var_dump(preg_last_error()); //上一次匹配錯誤。其輸出為 int(0)
嗨，同學，你看明白了嗎？
以上為小菜CFC4N的愚文，如有錯誤，歡迎指出。
您可能感興趣的文章:- 最常用的PHP正則表達式收集整理
- PHP 正則表達式常用函數使用小結
- PHP匹配連續的數字或字母的正則表達式
- php中字符串和正則表達式詳解
- php過濾HTML標簽、屬性等正則表達式匯總
- php使用正則表達式提取字符串中尖括號、小括號、中括號、大括號中的字符串
- PHP之正則表達式捕獲組與非捕獲組（詳解）
- PHP正則表達式之捕獲組與非捕獲組
- 淺談PHP正則中的捕獲組與非捕獲組
- PHP實現正則表達式分組捕獲操作示例
