PHP 和 MariaDB 之间的 PCRE RegEx 差异

Question

我有一个使用 PHP（也不是 regex101.com）但与 MariaDB 不匹配的正则表达式。 其目的是在 XML 值中搜索 HTML 类（编码 HTML）。

这是一个示例 XML 值，您可以在其中看到具有liste--non-ordonnee--gros--exergue CSS ZA2F2ED4F8EBC2CBB4C21A29DC40AB61D 的<ul>元素：

<ul class="liste--non-ordonnee--gros--exergue">

我希望 RegEx 只匹配完整的课程。 因此，如果我搜索--exergue我不希望它匹配。 使用 PHP 或其他 PCRE/PCRE2 在线测试仪不匹配：

~(class="(?:[^&]*\s)?)--exergue~sU

但是使用 MariaDB (v10.2.40 - PCRE 8.42)，它匹配：

(?sU)(class="(?:[^&]*\s)?)--exergue

它查找包含要替换的 class 的class属性。 为了演示目的，我尝试将 class 名称更改为其他名称（在class-with--suffix中搜索--suffix ），但它在 MariaDB 版本上不再匹配。

我的 RegEx 或其 MariaDB 版本有什么问题？

I am aware that regular expressions should not be used with HTML and am open to alternatives but this is TYPO3: storing encoded HTML into XML values in a db column. 设计更改需要大量 class 重命名。

Answer 1

这与 PHP preg 8.0.x 匹配，在 169 步内（仍有改进的余地）：

.*\sclass="(?:.*)?".*

与单次匹配相比，XML 会更准确地匹配。 这意味着，您已经删除了示例数据，因此可能歪曲了问题。

Answer 2

首先，您的案例非常短的 MCVE：

SELECT 'class="s--e' REGEXP '(?sU)(class="(?:[^&]*\s)?)--e'

MariaDB 匹配，PHP 不匹配（演示）。 为什么？ 在 MariaDB 的REGEXP手册中：

注意：由于 MariaDB 在字符串中使用 C 转义语法（例如，“\n”表示换行符），因此您必须将您在 REGEXP 字符串中使用的任何“ \ ”加倍。

您的问题是由应该在 MariaDB 查询中双重转义为\\s的\s引起的。 一旦你解决了这个问题，PHP 和 SQL 正则表达式语句变得等效并且行为相同。

这将不匹配（与--e不以空格为首）：

SELECT 'class="s--e' REGEXP '(?sU)(class="(?:[^&]*\\s)?)--e'; 

这将匹配（ --e由空格引导）：

SELECT 'class="s --e' REGEXP '(?sU)(class="(?:[^&]*\\s)?)--e';