PHP，preg_match_all，使用 PREG_OFFSET_CAPTURE 匹配组中的意外匹配

Question

我有以下正则表达式：

/(\bafter[\s_:.,()-]+|\bnach[\s_:.,()-]+|\bd'apres[\s_:.,()-]+|\bd´apres[\s_:.,()-]+|\bCircle of[\s_:.,()-]+)*(Pablo[\s_:.,()-]+Picasso|Picasso[\s_:.,()-]+Pablo)([\s_:.,()-]+Nachfolge\b|[\s_:.,()-]+Nachfolger\b|[\s_:.,()-]+Nachfolgerin\b|[\s_:.,()-]+Werkstatt\b|[\s_:.,()-]+Umkreis\b|[\s_:.,()-]+d'apres\b|[\s_:.,()-]+d´apres\b|[\s_:.,()-]+Circle of\b)*/uim

输入字符串：This is a test Pablo Picasso bla

我正在使用preg_match_all($regex, $input, $matches, PREG_OFFSET_CAPTURE) 来获取所有匹配项及其偏移量。

结果：

array(4) {
  [0] =>
  array(1) {
    [0] =>
    array(2) {
      [0] =>
      string(13) "Pablo Picasso"
      [1] =>
      int(15)
    }
  }
  [1] =>
  array(1) {
    [0] =>
    array(2) {
      [0] =>
      string(0) ""
      [1] =>
      int(-1)
    }
  }
  [2] =>
  array(1) {
    [0] =>
    array(2) {
      [0] =>
      string(13) "Pablo Picasso"
      [1] =>
      int(15)
    }
  }
  [3] =>
  array(1) {
    [0] =>
    string(0) "" // why is this type string and no array containing empty string + negative offset (-1) as values?
  }
}

为什么array[3][0]（第三个匹配组，第一个匹配）是一个空字符串，而不是一个与-1 一样具有偏移量的数组，就像array[1][0] 第一个匹配组，第一个匹配？

array(2) {
  [0] =>
  string(0) ""
  [1] =>
  int(-1)
}

如果我使用以下输入字符串，则在此位置有一个数组作为匹配结果：This is a test after Pablo Picasso (d'apres)（因为匹配(d'apres）。

查看示例：https://regex101.com/r/euKHUW/2

环境：

PHP 7.2.12 (cli) (built: Nov 24 2018 18:28:09) ( NTS )
Copyright (c) 1997-2018 The PHP Group
Zend Engine v3.2.0, Copyright (c) 1998-2018 Zend Technologies
    with Zend OPcache v7.2.12, Copyright (c) 1999-2018, by Zend Technologies
    with Xdebug v2.6.0, Copyright (c) 2002-2018, by Derick Rethans

如果没有为第三个匹配组找到匹配项，为什么没有包含作为第一个键的空字符串和作为第二个键的负偏移量 (-1) 的数组，第一个匹配？

Answer 1

它是模式末尾的可选组，未显示。

实际上，您可以使这些可选的重复组不被捕获并用捕获组包围以始终获取它们，请参阅this regex demo。然后，您只需检查返回的组是否与空字符串匹配。

您还可以采取其他步骤来简化模式：

• \bd'apres[\s_:.,()-]+|\bd´apres[\s_:.,()-]+ 可以写成\bd[´']apres[\s_:.,()-]+
• \bafter[\s_:.,()-]+|\bnach[\s_:.,()-]+... 可以写成\b(?:after|nach)[\s_:.,()-]+，使用内部非捕获组，并且只有一次重复模式。

查看修改后的模式：

((?:\b(?:after|nach|d[´']apres|Circle of)[\s_:.,()-]+)*)(Pablo[\s_:.,()-]+Picasso|Picasso[\s_:.,()-]+Pablo)((?:[\s_:.,()-]+(?:(?:Nachfolge(?:r(?:in)?)?|Werkstatt|Umkreis|d['´]apres|Circle of)\b))*)

见regex demo