正则表达式学习转载 PHP 正则表达式

介绍

正则表达式，大家在开发中应该是经常用到，现在很多开发语言都有正则表达式的应用，比如javascript，java，.net,php等等，我今天就把我对正则表达式的理解跟大家唠唠，不当之处，请多多指教！

需要知道的术语——下面的术语你知道多少?

Δ 定界符通常使用 "/"做为定界符开始和结束,也可以使用"#" 成对出现

Δ 字符域 [\w]用方括号扩起来的部分就是字符域

Δ 修饰符用于改变正则表达式的行为

◆i ：如果在修饰符中加上"i"，则正则将会取消大小写敏感性，即"a"和"A" 是一样的。

◆m：默认的正则开始"^"和结束"$"只是对于正则字符串如果在修饰符中加上"m"，那么开始和结束将会指字符串的每一行：每一行的开头就是"^"，结尾就是"$"。

◆s：如果在修饰符中加入"s"，那么默认的"."代表除了换行符以外的任何字符将会变成任意字符，也就是包括换行符！

◆x：如果加上该修饰符，表达式中的空白字符将会被忽略，除非它已经被转义。

◆e：本修饰符仅仅对于replacement有用，代表在replacement中作为PHP代码。

◆A：如果使用这个修饰符，那么表达式必须是匹配的字符串中的开头部分。比如说"/a/A"匹配"abcd"。

◆E：与"m"相反，如果使用这个修饰符，那么"$"将匹配绝对字符串的结尾，而不是换行符前面，默认就打开了这个模式。

◆U：和问号的作用差不多，用于设置"贪婪模式"。

Δ 限定符

如[\w]{3,5}或者[\w]*或者[\w]+这些[\w]后面的符号都表示限定符

* 匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+ 匹配前面的子表达式一次或多次。例如，\'zo+\' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
? 匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。
{n} n 是一个非负整数。匹配确定的 n 次。例如，\'o{2}\' 不能匹配 "Bob" 中的 \'o\'，但是能匹配 "food" 中的两个 o。
{n,} n 是一个非负整数。至少匹配n 次。例如，\'o{2,}\' 不能匹配 "Bob" 中的 \'o\'，但能匹配 "foooood" 中的所有 o。\'o{1,}\' 等价于 \'o+\'。\'o{0,}\' 则等价于 \'o*\'。
{n,m} m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。\'o{0,1}\' 等价于 \'o?\'。

请注意在逗号和两个数之间不能有空格。

Δ 脱字符 ^ ：1.放在字符域(如:[^\w])中表示否定(不包括的意思)——“反向选择” 2.放在表达式之前，表示以当前这个字符开始。(/^n/i,表示以n开头)

Δ 通配符(正向预查，反向预查) 1.正向预查:(?=) 非正向预查(?!) 2.反向预查:(?<=) 非反向预查 (?<!) 前后紧跟字符

Δ 反向引用

Δ 惰性匹配

Δ 注释

Δ 零字符宽

定位

我们什么时候使用正则表达式呢？不是所有的字符操作都用正则就好了，php在某些方面用正则反而影响效率。当我们遇到复杂文本数据的解析时候，用正则是比较好的选择。

优点

正则表达式在处理复杂字符操作的时候，可以提高工作效率，也在一定程度节省你的代码量。

缺点

我们在使用正则表达式的时候，复杂的正则表达式会加大代码的复杂度，让人很难理解。所以我们有的时候需要在正则表达式内部添加注释。

通用模式

¤ 定界符，通常使用 "/"做为定界符开始和结束,也可以使用"#"。

　　什么时候使用"#"呢?一般是在你的字符串中有很多"/"字符的时候，因为正则的时候这种字符需要转义，比如uri。

使用"/"定界符的代码如下.

$regex = \'/^http:\/\/([\w.]+)\/([\w]+)\/([\w]+)\.html$/i\';

$str = \'http://www.youku.com/show_page/id_ABCDEFG.html\';

$matches = array();

if(preg_match($regex, $str, $matches)){

var_dump($matches);

}

echo "\n";

preg_match中的$matches[0]将包含与整个模式匹配的字符串。

使用"#"定界符的代码如下.这个时候对"/"就不转义!

$regex = \'#^http://([\w.]+)/([\w]+)/([\w]+)\.html$#i\';

$str = \'http://www.youku.com/show_page/id_ABCDEFG.html\';

$matches = array();

if(preg_match($regex, $str, $matches)){

var_dump($matches);

}

echo "\n";

¤ 修饰符:用于改变正则表达式的行为。

我们看到的(\'/^http:\/\/([\w.]+)\/([\w]+)\/([\w]+)\.html/i\')中的最后一个"i"就是修饰符,表示忽略大小写，还有一个我们经常用到的是"x"表示忽略空格。

贡献代码:

$regex = \'/HELLO/\';

$str = \'hello word\';

$matches = array();

if(preg_match($regex, $str, $matches)){

echo \'No i:Valid Successful!\',"\n";

}

if(preg_match($regex.\'i\', $str, $matches)){

echo \'YES i:Valid Successful!\',"\n";

}

¤ 字符域:[\w]用方括号扩起来的部分就是字符域。

¤ 限定符:如[\w]{3,5}或者[\w]*或者[\w]+这些[\w]后面的符号都表示限定符。现介绍具体意义。

{3,5}表示3到5个字符。{3,}超过3个字符，{,5}最多5个，{3}三个字符。

* 表示0到多个

+ 表示1到多个。

¤ 脱字符号

> 放在字符域(如:[^\w])中表示否定(不包括的意思)——“反向选择”

> 放在表达式之前，表示以当前这个字符开始。(/^n/i,表示以n开头)。

注意，我们经常管"\"叫"跳脱字符"。用于转义一些特殊符号，如".","/"

通配符(lookarounds):断言某些字符串中某些字符的存在与否！

lookarounds分两种:lookaheads(正向预查 ?=)和lookbehinds(反向预查?<=)。

> 格式:

正向预查:(?=) 相对应的 (?!)表示否定意思

反向预查:(?<=) 相对应的 (?<!)表示否定意思

前后紧跟字符

$regex = \'/(?<=c)d(?=e)/\'; /* d 前面紧跟c, d 后面紧跟e*/

$str = \'abcdefgk\';

$matches = array();

if(preg_match($regex, $str, $matches)){

var_dump($matches);

}

echo "\n";

否定意义:

$regex = \'/(?<!c)d(?!e)/\'; /* d 前面不紧跟c, d 后面不紧跟e*/

$str = \'abcdefgk\';

$matches = array();

if(preg_match($regex, $str, $matches)){

var_dump($matches);

}

echo "\n";

>字符宽度:零

验证零字符代码

$regex = \'/HE(?=L)LO/i\';

$str = \'HELLO\';

$matches = array();

if(preg_match($regex, $str, $matches)){

var_dump($matches);

}

echo "\n";

打印不出结果！

$regex = \'/HE(?=L)LLO/i\';

$str = \'HELLO\';

$matches = array();

if(preg_match($regex, $str, $matches)){

var_dump($matches);

}

echo "\n";

能打印出结果!

说明:(?=L)意思是HE后面紧跟一个L字符。但是(?=L)本身不占字符，要与(L)区分，（L）本身占一个字符。

捕获数据

没有指明类型而进行的分组,将会被获取,供以后使用。

> 指明类型指的是通配符。所以只有圆括号起始位置没有问号的才能被捕捉。

> 在同一个表达式内的引用叫做反向引用。

> 调用格式: \编号(如\1)。

$regex = \'/^(Chuanshanjia)[\w\s!]+\1$/\';

$str = \'Chuanshanjia thank Chuanshanjia\';

$matches = array();

if(preg_match($regex, $str, $matches)){

var_dump($matches);

}

echo "\n";

> 避免捕获数据

格式:(?:pattern)

优点:将使有效反向引用数量保持在最小，代码更加、清楚。

>命名捕获组

格式:(?P<组名>) 调用方式 (?P=组名)

$regex = \'/(?P<author>chuanshanjia)[\s]Is[\s](?P=author)/i\';

$str = \'author:chuanshanjia Is chuanshanjia\';

$matches = array();

if(preg_match($regex, $str, $matches)){

var_dump($matches);

}

echo "\n";

运行结果

惰性匹配(记住：会进行两部操作,请看下面的原理部分)

　格式:限定符?

原理:"?"：如果前面有限定符，会使用最小的数据。如“*”会取0个，而“+”会取1个，如过是{3,5}会取3个。

先看下面的两个代码:

代码1.

<?php

$regex = \'/heL*/i\';

$str = \'heLLLLLLLLLLLLLLLL\';

if(preg_match($regex, $str, $matches)){

var_dump($matches);

}

echo "\n";

结果1.

代码2

<?php

$regex = \'/heL*?/i\';

$str = \'heLLLLLLLLLLLLLLLL\';

if(preg_match($regex, $str, $matches)){

var_dump($matches);

}

echo "\n";

结果2

代码3,使用“+”

<?php

$regex = \'/heL+?/i\';

$str = \'heLLLLLLLLLLLLLLLL\';

if(preg_match($regex, $str, $matches)){

var_dump($matches);

}

echo "\n";

结果3

代码4,使用{3,5}

<?php

$regex = \'/heL{3,10}?/i\';

$str = \'heLLLLLLLLLLLLLLLL\';

if(preg_match($regex, $str, $matches)){

var_dump($matches);

}

echo "\n";

结果4

正则表达式的注释

格式:(?# 注释内容)

用途:主要用于复杂的注释

贡献代码:是一个用于连接MYSQL数据库的正则表达式

$regex = \'/

^host=(?<!\.)([\d.]+)(?!\.) (?#主机地址)

\|

([\w!@#$%^&*()_+\-]+) (?#用户名)

\|

([\w!@#$%^&*()_+\-]+) (?#密码)

(?!\|)$/ix\';

$str = \'host=192.168.10.221|root|123456\';

$matches = array();

if(preg_match($regex, $str, $matches)){

var_dump($matches);

}

echo "\n";

特殊字符

特殊字符	解释
*	0到多次
+	1到多次还可以写成{1,}
?	0或1次
.	匹配除换行符外的所有单个的字符
\w	[a-zA-Z0-9_]
\s	空白字符(空格，换行符，回车符）[\t\n\r]
\d	[0-9]