PCRE 正则表达式反向引用有效，但子例程无效

Question

我正在尝试匹配文本：

1.“嘿嘿嘿嘿嘿”

2.“嘿嘿嘿嘿嘿”

使用正则表达式：

一个 /(\w+) \1\w/

b /(\w+) (\w+)\w/

c /(\w+) (?1)\w/

---

• 正则表达式 a 完全匹配 1，并且 2 完全，但最后一个 'y'。
• 正则表达式 b 完全匹配 1 和 2强>。
• 正则表达式 c 不匹配 1 或 2。

在http://www.rexegg.com/regex-disambiguation.html#subroutines 之后，我认为 b 和 c 是等价的。但显然，他们不是。

有什么区别？为什么子程序不工作，而复制相同的正则表达式工作？

在这里进行实验：https://regex101.com/#pcre

Answer 1

这是因为在 PCRE 中，对子模式的引用（此处为(?1)） 默认情况下是原子的。

（请注意，这种行为是 PCRE 特有的，Perl 不共享它。）

子模式是\w+（带有贪婪量词），所有单词字符都匹配（第二个字符串中的HeyHeyy），但是由于@987654326 @ 是原子的，正则表达式引擎无法回溯并返回最后一个 y 以使 \w 成功。

您可以使用此模式获得相同的结果：

/(\w+) (?>\w+)\w/
     # ^-----^-- atomic group

不匹配字符串，当没有原子组时，模式成功：

/(\w+) \w+\w/

更多关于原子团的信息：http://regular-expressions.info/atomic.html

这里也描述了这种特殊性（但仅在递归上下文中）：http://www.rexegg.com/regex-recursion.html （参见“递归深度是原子的”）