Question

您好我的问题很简单：

我想在文章中匹配所有可能的主题标签，只要它们位于带有PCRE正则表达式的<figcaption>中。 E.g：

<figcaption>blah blah #hashtag1, #hashtag2</figcaption>

我在此处https://regex101.com/r/aL9vS8/1进行了尝试，删除最后一个?会将捕获从#hashtag1更改为#hashtag2，但无法同时获取这两者。

我甚至不确定它在PHP中的单个正则表达式中是否可行。

有什么想法可以帮助我吗？：）

如果一个正则表达式中没有办法（真的吗？甚至使用递归(?R)?？：p），请建议最有效的表现方式。

谢谢！

[编辑]

如果没办法，我的PHP下一个想法就是：

我可以就此发表意见吗？有没有更好的办法？我的文章不长。

Answer 1

请建议最有效的表现方式

在某些分隔符与PCRE正则表达式之间匹配某些文本的最可靠方法是使用\G operator的自定义边界。但是，尾随边界是一个多字符串，除了</figcaption>之外的任何文本都需要tempered greedy token。由于此令牌非常耗费资源，因此必须将其展开。

这是一个快速，可靠的PCRE正则表达式，适用于您的任务：

(?:<figcaption|(?!^)\G)[^<#]*(?:(?:<(?!\/figcaption>)|#\B)[^<#]*)*\K#\w+

<强>详情：

(?:<figcaption|(?!^)\G) - 匹配<figcaption或上一次成功匹配的结束
更多详细信息：
(?:<figcaption|(?!^)\G)是非捕获组（(?:...)）这意味着只对组进行分组，而不是跟踪与该组匹配的内容（即，未创建堆栈时没有保留任何值，因为没有创建堆栈）匹配2个备选项（|是一个交替运算符）： 1）文字文本<figcaption或2）(?!^)\G - 上一次成功匹配后的位置（注意\G也匹配字符串的开头，因此，我们必须添加否定前瞻{ {1}}排除该行为。）。
(?!^) - 除[^<#]*和<
# - 0+序列：
- (?:(?:<(?!\/figcaption>)|#\B)[^<#]*)* - (?:<(?!\/figcaption>)|#\B)未跟随<或/figcaption>未跟随字词char
- # - 除[^<#]*和<
# - 省略目前为止匹配的文字
\K - #\w+和1 + word chars

更多细节：

转义序列#导致任何先前匹配的字符不包含在最终匹配的序列中。例如，模式：
\K
匹配foo\Kbar，但报告已匹配foobar。此功能类似于lookbehind断言。

bar：在这里，我们有一个外部非捕获组(?:(?:<(?!\/figcaption>)|#\B)[^<#]*)*，可以将子模式序列匹配零次或多次（我们只能将量词(?:...)*设置为分组如果我们需要重复子模式的序列，那么内部非捕获组*只是缩小更长(?:<(?!\/figcaption>)|#\B)[^<#]*的一种方法（只是对2组不同的替代{在公共“后缀”<(?!\/figcaption>)[^<#]*|#\B[^<#]*之前{1}}和<(?!\/figcaption>)。
包装标签：只需使用#\B替换模式{/ 1}}：

代码：

[^<#]*