php正则失灵－最大回溯(pcre.backtrack_limit)/递归限制

php正则失效－最大回溯(pcre.backtrack_limit)/递归限制

昨天，同事在处理一个正则采集程序，发现了一个怪现象：在本地正则规则随便写都可以匹配到，可是上传到服务器后发现正则怎么写都匹配不到。自己调整了半天没有效果，放弃？那就…………，不甘心……，吃过晚饭后，打开电脑随便乱狂博客，还是google了一下，有关正则的规则，找来找去都在谈怎么写正则表达式等。最后静下心来分析了一下。

我和同事的电脑装的都是wamp，php版本都是5.3.x，服务器php版本是5.2.x，难道是这个问题，抱着怀疑的心情，打开了手册文本处理－pcre函数－preg_match_all，好家伙原来它上面有一个函数preg_last_error，打开看了看，那就用他试下我的代码，结果返回错误是   PREG_BACKTRACK_LIMIT_ERROR ，原来是这个环境变量问题，于是在我代码的开头加入ini_set("pcre.backtrack_limit",1000000);结果正常抓取。回头再看了下手册，发现下面的介绍：

最后又上网查了一些资料，其中有一个博主写的挺细的：下面转一些相关内容，解释一下：

在PHP的pcre扩展中, 提供了俩个设置项.

1 pcre.backtrack_limit //最大回溯数
2 pcre.recursion_limit //最大嵌套数

默认的backtarck_limit是100000(10万).
现在要弄清这个问题的原因, 关键就是什么是”回溯”.
这个正则, 使用非贪婪模式, 非贪婪模式匹配原理简单来说是, 在可配也可不配的情况下, 优先不匹配. 记录备选状态, 并将匹配控制交给正则表达式的下一个匹配字符, 当之后的匹配失败的时候, 再溯, 进行匹配.

举个例子:
源字符串: aaab正则: .*?
匹配过程开始的时候, “.*?”首先取得匹配控制权, 因为是非贪婪模式, 所以优先不匹配, 将匹配控制交给下一个匹配字符”b”, “b”在源字符串位置1匹配失败(“a”), 于是回溯, 将匹配控制交回给”.*?”, 这个时候, “.*?”匹配一个字符”a”, 并再次将控制权交给”b”, 如此反复, 最终得到匹配结果, 这个过程中一共发生了3次回溯.

最后，还是要说一下

1、在PHP 5.2以后, 提供了:int preg_last_error ( void )Returns the error code of the last PCRE regex execution.
我们应该经常检查这个函数的返回值, 当不为零的时候说明上一个正则函数出错, 特别的对于文章的例子, 出错返回(PREG_BACKTRACK_LIMIT_ERROR)
2、非贪婪模式导致太多回溯, 必然会有一些性能问题, 适当的该写下正则, 是可以避免这个问题的. 尤其在做大数据量的文本处理的时候, 如果正则设计不慎, 很容易导致深度嵌套, 另外考虑到性能, 还是建议能用字符串处理尽量使用字符串处理代替.