为何PCRE正则表达式仅能捕获19个分组？

我的正则表达式模式：(a)(b)(c)(d)(e)(f)(g)(h)(i)(j)(k)(l)(m)(n)(o)(p)(q)(r)(s)(t)(u)(v)(w)(x)(y)(z)
匹配字符串：abcdefghijklmnopqrstuvwxyz

代码输出结果：

i_0:0 i_1:26 i_2:0 i_3:1 i_4:1 i_5:2 i_6:2 i_7:3 i_8:3 i_9:4 i_10:4 i_11:5 i_12:5 i_13:6 i_14:6 i_15:7 i_16:7 i_17:8 i_18:8 i_19:9 i_20:9 i_21:10 i_22:10 i_23:11 i_24:11 i_25:12 i_26:12 i_27:13 i_28:13 i_29:14 i_30:14 i_31:15 i_32:15 i_33:16 i_34:16 i_35:17 i_36:17 i_37:18 i_38:18 i_39:19 i_40:0 i_41:0 i_42:0 i_43:0 i_44:0 i_45:0 i_46:0 i_47:0 i_48:0 i_49:0 i_50:0 i_51:0 i_52:0 i_53:0 i_54:0 i_55:0 i_56:0 i_57:0 i_58:0 i_59:0

我的代码 #

#include <pcre.h>
#include <iostream>

pcre* _rex;
pcre_extra* _rexEx;

void CompileRexStr(const std::string& rex) {
    const char* errorinfo;
    int errpos = 0;
    _rex = NULL;
    _rexEx = NULL;

    _rex = pcre_compile(rex.c_str(), PCRE_UTF8, &errorinfo, &errpos, NULL);
    _rexEx = pcre_study(_rex, PCRE_STUDY_JIT_COMPILE, &errorinfo);
}

int main(){
    std::string rex = "(a)(b)(c)(d)(e)(f)(g)(h)(i)(j)(k)(l)(m)(n)(o)(p)(q)(r)(s)(t)(u)(v)(w)(x)(y)(z)";
    CompileRexStr(rex);

    std::string str = "abcdefghijklmnopqrstuvwxyz";
    int result[60] = {0};
    int cur = 0;
    int pos = pcre_exec(_rex, _rexEx, str.c_str(), str.length(), cur, 0, result, 60);

    for(int i=0;i < 60; i++) {
        std::cout << "i_" << i << ":" << result[i] << " ";
    }

    return 0;
}

解答 #

你的问题核心在于没有对PCRE的编译和匹配过程做错误检查，导致无法定位问题根源。以下是具体分析和解决步骤：

1. 先排查基础错误 #

首先在代码中添加错误检查逻辑，确认正则是否编译成功、匹配是否正常：

• 检查pcre_compile的返回值，如果为NULL说明编译失败，打印错误信息。
• 检查pcre_study的错误信息，排查JIT编译问题。
• 打印pcre_exec的返回值，该值表示成功匹配到的分组总数（包含0号分组，即整个匹配结果）。

修改后的关键代码片段：

void CompileRexStr(const std::string& rex) {
    const char* errorinfo;
    int errpos = 0;
    _rex = NULL;
    _rexEx = NULL;

    _rex = pcre_compile(rex.c_str(), PCRE_UTF8, &errorinfo, &errpos, NULL);
    if (_rex == NULL) {
        std::cerr << "正则编译错误，位置" << errpos << ": " << errorinfo << std::endl;
        return;
    }
    _rexEx = pcre_study(_rex, PCRE_STUDY_JIT_COMPILE, &errorinfo);
    if (errorinfo != NULL) {
        std::cerr << "JIT编译错误: " << errorinfo << std::endl;
    }
}

int main(){
    // ... 原有代码 ...
    int pos = pcre_exec(_rex, _rexEx, str.c_str(), str.length(), cur, 0, result, 60);
    std::cout << "\npcre_exec返回值（分组总数）: " << pos << std::endl;

    // 打印捕获分组数量
    int num_captures;
    pcre_info(_rex, NULL, &num_captures);
    std::cout << "正则定义的捕获分组数: " << num_captures << std::endl;
    // ... 原有代码 ...
}

2. 可能的问题原因 #

• 正则编译失败：如果pcre_compile返回NULL，说明你的正则表达式存在语法错误（但你的正则结构简单，大概率不是这个原因），或者PCRE库未正确链接。
• JIT编译问题：你使用了PCRE_STUDY_JIT_COMPILE选项，部分环境下JIT编译可能出现异常，导致分组捕获不完整。可以尝试去掉该选项，用pcre_study(_rex, 0, &errorinfo)重试。
• PCRE库配置限制：如果你的PCRE库在编译时被手动设置了--with-max-capture=19这类参数，会限制捕获分组的最大数量。这种情况下需要重新编译PCRE库，或者更换为PCRE2（默认支持更多分组）。
• 数组填充误解：PCRE的result数组中，每个分组占用两个元素（起始位置和结束位置），0号分组是整个匹配结果。如果pcre_exec返回27，说明所有26个捕获分组都已成功捕获，只是你打印的数组中后面的元素未被覆盖（初始值为0），但实际前54个元素应该包含所有分组的位置信息。

3. 验证方法 #

先运行添加错误检查后的代码，根据输出判断：

• 如果pcre_exec返回27，说明所有分组都已捕获，检查你打印的数组前54个元素，应该能找到分组20到26的位置（比如分组20对应索引40和41，值应为19和20）。
• 如果返回值小于27，结合num_captures的输出，判断是编译时的分组限制，还是匹配阶段的问题。

内容的提问来源于stack exchange，提问作者Ken Zheng