php正则

思维导图

 

 点击下图，可以看具体内容！

 

 

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

Δ  字符域

Δ  修饰符

Δ  限定符

Δ  脱字符

Δ  通配符(正向预查，反向预查)

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]

 ------------------------------------------------------------------------------------------------------------------------------------------------------

PHP正则表达式详解

一.正则表达式
1.匹配符
     1)头匹配符"^":如^0754,只匹配开头为0754的字符串
     2)尾匹配符"$":如0754$,只匹配结尾为0754的字符串
     3)全字匹配:将^和$结合,如^0754$,匹配0754字符串
2.转义字符
     1)空字符：
         换行\n
         回车\r
         制表符\t
     2)其他字符：
         "$" \$
         "^" \^
         "+" \+
         "/" \/
3.通配符
     1)*号:用来匹配前面一个字符是否在字符串中出现零次或多次.
     例1:‘abc*‘，匹配含有ab的所有字符串。
     2)+号:......................................一次或多次.
     例2:‘abc+‘，匹配含有abc的所有字符串。
     3)?号:......................................零次或一次.
     例3：只匹配含有ab、abc结尾不再含c的字符串。如abca，aabc，aaab都可以，但abcc就不行。
4.关于转义字符\$与双、单引号(php4环境)
     1)正则表达式本身就是一个字符串。
     2)当引号中含有$时，用双、单引号定义就有区别，区别如下：
         (1)使用单引号定义时，解释器会把引号内所有字符(包括$在内)都原封不动的赋值给字符串变量。
         (2)使用双引号定义时，解释器会把引号内"$"字符以及其后的合法字符(字母、数字、下划线)翻译成变量，直到遇到一个非法字符才认为变量名结束，该非法字符及其后面的字符都被视为一般字符赋给字符串变量，直到遇到下一个"$"为止。
         (3)注意：单个$出现在双引号的尾部，并且其后面不再有任何字符的时候，解释器不会将其翻译成变量。也不需要加转义\，当然不提倡。
         (4)如果待匹配的字符中本身就有$，就无法用双引号来定义这个正则表达式，原因是转义字符\$在单，双引号中表示的意义不同：
             <1>双引号中，\$和单个的$意义是一样的，都是代表尾匹配符，因此c\$$=c\$=c\$\$=c$=c\$\$；双引号中，\$在任何时刻都只代表一个字符"$"，echo "c\$$"结果是c$$，并且\$和单个的$(单个的$是指该$无法和其后字符组成变量名)是完全等效的，都是尾匹配符，所以双引号中是无法写入作为非尾匹配字符的字符"$"的，也正是这个原因，大多数需要匹配$时定义正则表达式只能用‘‘。
             <2>单引号中，\$的意义仅仅表示字符"$"，尾匹配符是$，不管后面是否有合法变量名字符；单引号中，\$其实是两个字符，如不用于正则匹配将没有任何意义，echo ‘c\$$‘结果仍是c\$$。单作为正则表达式来使用，单引号中的\$表示的是特殊字符"$"，而尾匹配符就是单独的$字符。
     3)正则表达式的尾匹配符"$"和变量的定义符是相同的：
         例1：定义正则表达式为^ab$：$pattern="^ab\$";转义字符\$在双引号中就表示字符$，结果是^ab$。
         例2：如上题，使用$pattern="^ab$";显然是错误的，但是由于$在尾部，后面没有其他字符，所以依然适用。
         例3：以字符组合c$结尾的正则表达式：$pattern=‘c\$$‘;
         例4：如上题，$pattern="c\$$";正则表达式将\$视为尾匹配符，故只匹配以c结尾。

5."[]"方括号(字符簇)用法
     1)[]匹配一个字符，在[]中使用^开头表示取非，即其后的字符全部是不匹配的。
     例1：[a-zA-Z0-9]匹配所有大小写字母和数字。
     例2：[\n\t\r\f]匹配所有空字符。
     例3：[^A-Z]不匹配大写字母。
     例4：^[^0-9]匹配不以数字开头的字符或字符串
     2)特殊字符"."(句点)匹配除了"新行"之外的所有字符，模式^.abc$匹配任何以abc结尾的字符，但是不能匹配其本身。模式"."则可以匹配任何字符串，除了空字符串和只有一个"新行"字符的字符串。
     例1：‘^.abc$‘;匹配所有尾部含有abc的字符串，不匹配小数(新行)，当不匹配abc。
     例2：‘.‘;匹配所有字符串，但不匹配空值。
     例3：‘.abc‘;匹配所有含abc的字符串，小数等等都可以，前提是不以abc为首，不匹配abc。
     例4：‘.abc$‘；匹配所有以abc结尾的字符串，任何小数等等都可以，不匹配abc。
     3)php提供了内置通用字符簇：
     [[:alpha:]]任何字母
     [[:digit:]]任何数字
     [[:alnum:]]任何字母和数字
     [[:space:]]任何空白字符
     [[:upper:]]任何大写字母
     [[:lower:]]任何小写字母
     [[:punct:]]任何表点符号
     [[:xdigit:]]任何十六进制数字
     [[:cntrl:]]任何ASCII值小于32的字符
     注意：以上字符簇有个特点，只要被匹配的字符或字符串中有此字符，即匹配正确，不管字符串是以什么方式组成的。
6."{}"大括号用法
     1)方括号只能匹配一个字符，而匹配多个字符只能用{}实现：{}用来确定前面内容出现的次数。{n}表示出现n次；{m,n}表示出现m~n次，包括m和n次；{n,}表示出现n次或者n次以上。
     例1:^a{10}$;匹配aaaaaaaaaa。
     例2:[0-9]{1,}$;匹配所有>0的数。
     2)"{}"与通配符之间的关系
     ?   相当于 {0,1} 零次或一次
     *   ..... {0,} 零次或无数次
     +   ..... {1,} 一次或无数次
7."()"用法
     圆括号"()"括住的pattern表示子模式，如$pattern=‘([1-9]{1}[0-9]{3})-([0-1]{1}[1-2]{1})-([0-3]{1}([0-9]|))‘;()扩住的就是一个个子模式，()相当于把他们独立起来，分别匹配而相互不干扰。
二.POSIX风格正则表达式函数
1.ereg
     ereg(pattern,string,[array $regs]);
     eregi(pattern,string,[array $regs]);
     ereg函数在string中找到满足pattern模式的文本，如果找到true，没找到false。如果有第三个参数$regs，那找到的文本将放在$regs[0]中，并且regs数组中将一次存放各个圆括号表达的子模式匹配的结果。$regs[1]中存放了第一个子模式所匹配的结果，$regs[2]中是第二个，顺序从左到右，依次类推。如果没有找到匹配的文本，$regs数组的值不会被改变。
     注意：如果找到了匹配的文本，不管找到的子模式是多少个>9还是<9，ereg()只会改变$regs数组前10个元素的值。但是这不会影响函数对子模式组合的匹配结果。ereg总是先匹配完，如果没发现匹配的文本就false，发现了就true。如果有子模式，会逐步根据这些子模式重新在字符串中寻找匹配的文本，直到$regs数组被填满10个元素或者所有子模式被匹配完，如果子模式少于10则剩余的$regs将被赋空值。总之一句话，匹配归匹配，$regs归$regs，$regs只有10个值。
     eregi()函数与ereg()基本用法相同，只是eregi对大小写不敏感。
2.ereg_replace和eregi_replace
     ereg_replace(pattern,string replacement,string)
     eregi_replace(pattern,string replacement,string)
     string字串中满足pattern的文本将被替换成replacement。如果string中有pattern匹配的文本，那么返回替换之后的值，如果没有，则返回原来的string值。
     如果pattern中包含子模式，子模式可以有选择的被保留而不被替换。
     例1：pattern中的第二个子模式不被替换，replacement可写成这样:replacement\\2。这样string中匹配的pattern的字符串将被替换为replacement+pattern2，pattern2表示匹配pattern的文本中又匹配pattern的第二个子模式的文本。如果使用"\\0"表示保留整个匹配文本。利用这个特性可以实现在特定的字符串之后插入文本的操作。
     replacement必须是字符串类型变量，如果不是，替换时将强制转换成字符串类型。
3.split()函数和spliti()函数用法
     split(pattern,string,[int limit]);
     spliti(pattern,string,[int limit]);
     split以正则表达式pattern定义的模式为分隔符将string分隔成几个部分。如果分隔成功，返回的值为各个分隔后部分组成的数组，失败则返回false。可选limit表示最大分割块数。如果limit为5，那么即使string有>5个的地方符合pattern，string也只被分割为5个部分，最后一个部分是string去掉前四个部分后剩下的部分。返回值中也只有5个元素。
三.perl风格正则表达式及相关函数
1.perl正则语法
     perl分隔符，可使用"/","!"和"{}"。
     例1：/^[^0-9]/      !^[0-9]!     {^[0-9]}三个都一样。
     在分隔符内部，分隔字符本身就是一个特殊敏感字符，要进行转义。如果用分隔符"/"，正则中又用了表达字符的"/"，则必须要用"\/"。如果混合用"/"和"!"就没问题。
     例2：/\/\/$/     !//$! 两者也相同
     例3：!^\!\![0-9]$!     /^!![0-9]$/ 两者也相同
2.perl特殊意义字符
     \a ASCII值为7的告警符
     \b 词的边界
     \A 和脱出符号("/")等价
     \B 非词边界
     \cn 控制字符
     \d 单个数字
     \D 单个非数字
     \s 单个空白
     \S 单个非空白
     \w 单个的字母或下划线
     \W 单个的非词字符(不是字母也不是下划线)
     \Z 从目标字串的尾部开始匹配
3.高级特性
     1)或运算"|"：
         例如!^ex|em!匹配条件是ex或em开头的字符串，还可以写成!^e(x|m)!。
         注意：()内的内容代表子模式\
     2)逻辑符号后面的模式选项
         !正则表达式!逻辑选项
         A：只匹配位于目标字串开头的字符。
         E：该选项使转义字符$构成的正则表达式只匹配目标字符串的结尾字符。如果选择m选项，该选项就被忽略。
         U：该选项禁止最大长度的搜索。一般情况下，搜索会尽量找最长的匹配字符串。例如模式/a+/在"caaaaab"字符串中的匹配结果是"aaaaa"，但是使用该选项的模式/a+/U匹配的结果会是"a"。
         S：对模式进行学习，提高查找速度。
         i：该选项忽略大小写。
         m：该选项将含有换行符的字符串视为多行而不是一行。这个时候"$"，"^"等字符会匹配每个换行符。
         s:该选项使句点"."也匹配换行符。
         x:该选项通知PHP解释器在分析的时候忽略正则表达式定义中的非转义空格符。这样可以在正则表达式中使用空格来增强其可读性，但这时在表达式中使用空格符必须使用转义字符。
     3)扩展模式符号。
         (?#comment)     添加注释comment，可以增强正则可读性。
         (?=pattern)     指定在模式之后必须跟随值pattern。
         (?!pattern)     指定在模式之后不能跟随值pattern。
         (?n)            在模式内部而非结尾处定义模式选项n。
         (?: )            消耗字符，不捕获匹配结果。
         例:echo ereg("?:^a$","a");//无任何输出。

4.per正则函数
     1.preg_grep函数
         preg_grep(pattern,array input);
         输入数组input中寻找匹配模式pattern的字串，并将所有的匹配字符串返回。返回值就是所有匹配的字符串组成的数组。
     2.preg_match函数
         preg_match(pattern,string subject,[array matches])
         该函数在subject字符串中寻找匹配pattern的字符串。如果找到则返回一个非零值，否则返回零值。如果选用了可选项matches，那么匹配的字符串将被放到第一个元素的位置，可以用$matches[0]来读取，圆括号匹配的结果也按顺序放在这个数组中，第一个是$matches[1]，第二个是$matches[2]，依次类推。
     3.preg_match_all函数
         preg_match_all(pattern,subject,array matches,[int order])
         该函数在subject字符串中寻找匹配pattern的互不重叠的文本，找到了匹配的文本则返回匹配文本的个数，否则返回0。匹配文本被放在二维数组matches中，matches[0]中存放的是所有符合的字符串。各种嵌入的子模式匹配的结果依次放在数组matches[1]~[n]中。
         order参数可选，可取的值为PREG_PATTERN_ORDER和PREG_SET_ORDER。
     4.preg_replace函数
         preg_replace(pattern,replacement,subject,[int limit])
         该函数将subject中符合pattern模式的部分替换成replacement，返回值类型和subject类型一样，如果有替换，则返回替换后的值，反之则返回原来的值。
         参数可以是数组也可以是变量，有几种情况：
             <1>如果subject参数是数组类型。函数对每一个数组元素进行替换操作；
             <2>如果pattern是数组则函数根据每一个pattern中的类型进行替换；
             <3>如果pattern和replacement都是数组，则按两个数组中的元素对应完成替换；
             <4>如果replacement中的元素个数少于pattern中的元素个数。那么不够的部分将有空字符串来代替。
     5.preg_split函数
         preg_split(pattern,subject,[int limit][flages])
         该函数以pattern定义的模式为分隔符将subject字符串分隔为若干个部分，返回数组，其中存放被分隔后的字符串。limit可限制返回字符串的数目，如果设置为-1表示对返回的字符串数目不加任何限制。flags也是可选项，其有两个值：PREG_SPLIT_NO_EMPTY设定函数不返回空字符串，PERG_SPLIT_DELIM_CAPTURE，该选项设定pattern中的嵌入子模式也会被函数匹配。