最通俗易懂的php正则表达式教程(中)

正则表达式简介

正则表达式是用于描述字符排列模式一种语法规则。它主要用于字符串的模式分割、匹配、查找及替换操作。到目前为止,我们前面所用过的精确(文本)匹配也是一种正则表达式。

在PHP中,正则表达式一般是由正规字符和一些特殊字符(类似于通配符)联合构成的一个文本模式的程序性描述。

在程序语言中,通常将模式表达式(即正则表达式)包含在两个反斜线“/”之间,如“/apple/”。用户只要把需要匹配的模式内容放入定界之间即可。

如果使用一个没有特殊字符的正则表达式,相当于纯文本搜索,使用strstr( )函数也可达到同样的效果。

regular expression.jpg

在PHP中有两套正则表达式函数库,两者功能相似,只是执行效率略有差异:

  • 一套是由PCRE(Perl Compatible Regular Expression)库提供的。使用“preg_”为前缀命名的函数;
  • 一套由POSIX(Portable Operation System interface)扩展提供的。使用以“ereg_”为前缀命名的函数;

使用正则表达式的原因之一,是在典型的搜索和替换操作中,只能对确切文字进行匹配,对象动态文本的搜索就有困难了,甚至是不可能的。

/^-?\d+$|^-?0[xX][\da-fA-F]+$/    
/^[0-9a-zA-Z_-]+@[0-9a-zA-Z_-]+(\.[0-9a-zA-Z_-]+){0,3}]$/
正则表达式较重要和较有用的角色是验证用户数据的有效性检查。PHP中,正则表达式有三个作用:
  • 匹配,也常常用于从字符串中析取信息。
  • 用新文本代替匹配文本。
  • 将一个字符串拆分为一组更小的信息块。

正则表达式的语法规则

正则表达式是主要由:

  • 原子(普通字符,如英文字符)
  • 元字符(有特殊功用的字符)
  • 以及模式修正字符组成。

一个正则表达式中至少包含一个原子。

原子(Atom)

原子是组成正则表达式的基本单位,在分析正则表达式时,应作为一个整体。

原子字符是由所有末显式指定为元字符的打印和非打印字符组成。这包括所有的英文字母、数字、标点符号以及其他一些符号。原子也包括以下内容。

  • 单个字符、数字,如a~z,A~Z,0~9.
  • 模式单元,如(ABC).可以理解为由多个原子组成的大的原子。
  • 原子表,如[ABC].
  • 重新使用的模式单元。
  • 普通转义字符。
  • 转义元字符。

正则表达式所使用的普通转义字符

原子 说明
\d 匹配一个数字;等价于[0-9]
\D 匹配除数字以外任何一个字符;等价于[^0-9]
\w 匹配一个英文字母、数字或下划线;等价于[0-9a-zA-Z_]
\W 匹配除英文字母、数字和下划线以外任何一个字符;等价于[^0-9a-zA-Z_]
\s 匹配一个空白字符;等价于[\f\n\r\t\v]
\S 匹配除空白字符以外任何一个字符;等价于[^\f\n\r\t\v]
\f 匹配一个换页符等价于 \x0c \cL
\n 匹配一个换行符;等价于 \x0a \cJ
\r 匹配一个回车符等价于\x0d \cM
\t 匹配一个制表符;等价于 \x09\\cl
\v 匹配一个垂直制表符;等价于\x0b\ck
\oNN 匹配一个八进制数字
\xNN 匹配一个十六进制数字
\cC 匹配一个控制字符

元字符(Meta-character)

元字符是用于构造规则表达式的具有特殊含义的字符。如果要在正则表达式中包含元字符本身,必须在其前加上”\”进行转义 

说明 元字符
* 0次、1次或多次匹配其前的原子
+ 1次或多次匹配其前的原子
? 0次或1次匹配其前的原子
. 匹配任何一个字符
| 匹配两个或多个选择
^或\A 匹配字符串串首的原子
$或\Z 匹配字符串串尾的原子
\b 匹配单词的边界
\B 匹配除单词边界以外的部分
[] 匹配方括号中的任一原子
[^] 匹配除方括号中的原子外的任何字符
() 整体表示一个原子
{m} 表示其前原子恰好出现m
{m,n} 表示其前原子至少出现m次,至多出现n(n>m)
{m,} 表示其前原子出现不少于m
原子表

  • 原子表”[]”中存放一组原子,彼此地位平等,且仅匹配其中的一个原子。如果想匹配一个 ”a” 或 ”e” 使用 / [ae]/, 例如: /Pr[ae]y/ 匹配 ”Pray” 或者 ”Prey ”。
  • 原子表 ”^” 或者称为排除原子表,匹配除表内原子外的任意一个字符。例如:/p[^u]/匹配“part”中的“pa”,但无法匹配“computer”中的“pu”因为“u”在匹配中被排除。
  • 通常,在原子表中用“-”连接一组按ASCII码顺序排列的原子,用以简化书写。  如/x[0123456789]可以写成/x[0-9]/,用来匹配一个由 “x” 字母与一个数字组成的字符串;
  • /0[xX][0-9a-fA-F]/匹配一个简单的十六进制数字,如“0x9”。/[^0-9a-zA-Z_]/匹配除英文字母、数字和下划线以外任何一个字符,其等价于/\W/。

重复匹配

正则表达式中有一些用于重复匹配其前原子的元字符:“?”、“*”、“+”。他们主要的不同是重复匹配的次数不同。

  • 元字符“?”表示0次或1次匹配紧接在其前的原子。例如:/colou?r/匹配“colour”或“color”。
  • 元字符“*”表示0次、1次或多次匹配紧接在其前的原子。例如:/^<[A-Za-z][A-Za-z0-9]*>$/可以匹配“<P>”、“<h1>”或“<Body>”等HTML标签,并且不严格的控制大小写。
  • 元字符“+”表示1次或多次匹配紧接在其前的原子。例如:/go+gle/ 匹配“gogle”、“google”或“gooogle”等中间含有多个o的字符串。上文中提及的十六进制数字的例子,实际上更加完善的匹配表达式是/^0?[ xX][0-9a-fA-F]+$/,可以匹配“0x9B3C”或者“X800”等。

要准确地指定原子重复的次数,还可以使用元字符“{}”指定所匹配的原子出现的次数。“{m}”表示其前原子恰好出现m次;“{m,n}”表示其前原子至少出现m次,至多出现n次;“{m,}”表示其前原子出现不少于m次。

以下是一些示例。

  • /zo{1,3}m/只能匹配字符串“zom”、“zoom”、或“zooom”。
  • /zo{3}m/只能匹配字符串“zooom”
  • /zo{3,}m/     可以匹配以  “z” 开头,“m”结束,中间至少为3个“o”的字符串。
  • /bo{0,1}u/可以匹配字符串“bought a butter”  中的“bou”和“bu”,起完全等价于/bo?u/。

边界限制

在某些情况下,需要对匹配范围进行限定,以获得更准确的匹配结果。

元字符“^”(或“\A”)置于字符串的开始确保模式匹配出现在字符串首端;

“$”(或“\Z”)置于字符串的结束,确保模式匹配出现字符串尾端。

例如,在字符串“Tom and Jerry chased each other in the house until tom’s uncel come in”中使用/^Tom或Atom匹配句首的“Tom”; 而/in$或/in\Z匹配句末“come in”中的“in”。如果不加边界限制元字符,将获得更多的匹配结果。

在使用各种编辑软件的查找功能时,可以通过选择“按单词查找”获得更准确的结果。正则表达式中也提供类似的功能。

元字符“\b”对单词的边界进行匹配;

“\B”对单词的内部进行匹配。

例如:在字符串“This island is a beautiful land”中使用/\bis\b/可以匹配单词“is”而与“This”或者“island”无关。/\bis/与单词边界匹配,可以匹配单词“is”和“island”中的“is”;/\Bis/不与单词左边界匹配,可以匹配单词“is”和“This”中的“is”./\Bis\B将明确的指示不与单词的左、右边界匹配,只匹配单词的内部。所以在这个例子中没有结果。

元字符 “.”

元字符“.”匹配除换行符外任何一个字符,相当于[^\n](Unix系统)或[^\r\n](windows系统)。

例如:/pr.y/可以匹配的字符串“prey”、“pray”或“pr%y”等。

通常可以使用“.*”组合来匹配除换行符外的任何字符。在一些书籍中也称其为“全匹配符” 或 “单含匹配符”。

例如/a.*z/表示可以匹配字母“a”开头,字母“z”结束的任意不包括换行符的字符串。“.+”也可以完成类似的匹配功能所不同的是其至少匹配一个字符。例如/a.+z/将不匹配字符串“az”。

模式选择符

元字符“|”又称模式选择符。在正则表达式中匹配两个或更多的选择之一。

例如:

在字符串“There are many apples and pears.”中,/apple|pear/在第一次运行时匹配“apple”;再次运行时匹配“ pear”。也可以继续增加选项,如/apple|pear|banana|lemon/。

模式单元

元字符“()”将其中的正则表达式变为原子(或称模式单元)使用。与数学表达式中的括号类似,“()”可以做一个单元被单独使用。

例如:

/(Dog)+/匹配的“Dog”、“DogDog”、“DogDogDog”……..,因为紧接着“+”前的原子是元字符“()”括起来的字符串“Dog”。

一个模式单元中的表达式将被优先匹配或运算。系统自动将这些模式单元的匹配依次存储起来,在需要时可以用“\1”、“\2”、“\3”的形式进行引用。当正则表达式包含有相同的模式单元时,这种方法非常便于对其进行管理。

例如:

/^\d{2}([\W])\d{2}\\1\d{4}$匹配“12-31-2006”、“09/27/1996”、“86 01 4321”等字符串。但上述正则表达式不匹配“12/34-5678”的格式。这是因为模式“[\W]”的结果“/”已经被存储。下个位置“\1”引用时,其匹配模式也是字符“/”。

模式修正符(Pattern Modifiers)

模式修正符扩展了正则表达式在字符匹配、替换操作时的某些功能。这些扩展或者说修正增强了正则表达式的处理能力。模式修正符一般标记于整个模式之外,并且可以组合使用,如“/apple/i”、“/cat|dog/uis”等。表列出了一些常用的模式修正符极其功能说明。

模式修正符 说明
i 可同时匹配大小写字母
M 将字符串视为多行
S 将字符串视为单行,换行符做为普通字符看待
x 模式中的空白忽略不计
S 当一个模式将被使用若干次时,为加速匹配起见值得先对其进行分析
U 匹配到最近的字符串
e 将替换的字符串作为表达使用
下面是几个简单的示例,可以说明模式修正符的使用

/apple/i匹配“apple”或“Apple”等,忽略大小写。

/I love you/ix匹配“iloveYou”,忽略大小写以及空白。

/<.*>/ U将依次匹配字符串“<b>Cool</b> music<hr>Few years ago….. ”中的“<b>”、“</b>”和“<hr>”。而/<.*>/却匹配到最后一个可用的字符串,既“<b>Cool</b>music<hr>” 。

/<h .*>/Uis将HTML文件视为单行字符串,忽略大小写和换行符。匹配其中中的所有以“h”开头的标签,如“<Hl>”、“<hr size>”等。

网友留言(0条)

发表评论