php - Markdown 正则表达式中的原子组

Question

我正在研究 dflydev 的 MarkdownParser。 在doBlockQuotes line 1167 , 他们在整个表达式中使用了 Atmoic Group。 我知道 Atmoic Grouping 但我不明白它在这里有什么帮助？

这是为什么:

/
(                     # Wrap whole match in $1
    (?>
        ^[ ]*>[ ]?    # ">" at the start of a line
        .+\n          # rest of the first line
        (.+\n)*       # subsequent consecutive lines
        \n*           # blanks
    )+
)
/xm

比这更好:

/
(                     # Wrap whole match in $1
        ^[ ]*>[ ]?    # ">" at the start of a line
        .+\n          # rest of the first line
        (.+\n)*       # subsequent consecutive lines
        \n*           # blanks
)
/xm

Answer 1

原子组后面的+ 量词表示正则表达式引擎将尝试匹配组内的模式一次或多次。这与第二个表达式不同，在第二个表达式中，引擎只会尝试匹配模式一次。

+后面没有跟惰性修饰符?，所以它会贪婪地匹配，即尽可能多的匹配。

分组可能是原子的，因为除了使组不可捕获外，它还可以防止在每次完全匹配整个子表达式后进行任何回溯。

如果或一旦组末尾的 \n* 无法匹配换行符，由于 + 引擎将开始尝试再次匹配组从一开始就。如果失败，则因为该组是原子的，所以将返回现有的匹配项。

如果该组不是原子的，引擎将回溯以尝试以不同的方式匹配刚刚成功匹配的内容，然后再尝试匹配该组的开头。

例如，如果最后匹配的三个字符是换行符，\n*，它会先放弃最后一个，然后再次尝试匹配组的开头。当失败时，它会给出另一个换行符并重试，依此类推。

回溯将继续到 (.+\n)* 序列，因为 . 匹配的内容和数量的灵 active 字符由 + 和 * 匹配，引擎可以通过多种方式匹配模式，然后再尝试进一步匹配。

字符串的同一部分可以通过许多不同的方式与整个子表达式匹配，因此在引擎确定不可能进行进一步的匹配之前，可能会进行大量低效、耗时的回溯。

原子组表示意味着可以避免这种情况。