正則表達(dá)式的定義

正則表達(dá)式就是描述字符排列模式的一種自定義的語法規(guī)則。
由于正則表達(dá)式本身具有一套非常完整的、可以編寫模式的語法體系，提供了一種靈活且直觀的字符串處理方法，故正則表達(dá)式也稱為模式表達(dá)式。

正則表達(dá)式的特點

正則表達(dá)式并不是PHP特有的，JavaScript、Java、Perl、MySQL中都可以應(yīng)用到正則表達(dá)式。

正則表達(dá)式通過構(gòu)建具有特定規(guī)則的模式，與輸入的字符串信息進(jìn)行比較，從而實現(xiàn)字符串的匹配、查找、替換及分割等操作。

例子：

"/^https?:\/\/(([a-zA-Z0-9_-])+(\.)?)*(:\d+)?(\/((\.)?(\?)?=?&?[a-zA-Z0-9_-](\?)?)*)*$/i" // 匹配網(wǎng)址ＵＲＬ的正則表達(dá)式 "/<(\S*?)[^>]*>.*?<\/\\1>|<.*?/>/i" // 匹配HTML標(biāo)記的正則表達(dá)式 "/\w+([-+.]\w)+*@\w+([-.]\w+)*\.\w+([-.]\w+)*/" // 匹配E-mail地址的正則表達(dá)式 "/^<img\s+[^>]*\s*src\s*=\s*([']?)(?<url>\S+)'?[^>l ]*>$/" // 匹配img標(biāo)簽

注意

正則表達(dá)式是由普通字符與具有特殊意義的字符組成字符串

效率問題，如果可以使用字符串函數(shù)完成任務(wù)，那盡量不使用正則表達(dá)式函數(shù)

對于一些復(fù)雜操作，如表單驗證，計算發(fā)布文章中有多少個句子，抓取網(wǎng)頁中某種格式的句子等使用正則表達(dá)式以及相關(guān)函數(shù)能夠更好地實現(xiàn)

正則表達(dá)式具有一定的編寫規(guī)則(語義)，是一種模式

若正則表達(dá)式不與 相應(yīng)的正則表達(dá)式函數(shù)使用，那么正則表達(dá)式僅僅是字符串，要達(dá)成匹配、查找、替換以及分割功能，正則表達(dá)式必須與相應(yīng)的正則表達(dá)式函數(shù)配套使用。

PHP中兩套支持正則表達(dá)式的函數(shù)庫

PCRE(Perl Compatible Regular Expression)

由PCRE庫提供，與Perl語言兼容的正則表達(dá)式、使用"preg_"為前綴命名的函數(shù)，而且表達(dá)式都應(yīng)被包含在定界符中。

POSIX(Portable Operation System Interface)

自從PHP5.3.0開始廢棄.使用一套"ereg_"為前綴命名的函數(shù)。

注意

1. 兩套 函數(shù)庫功能類似，執(zhí)行效率不同，一般來說，實現(xiàn)相同功能，使用 PCRE庫提供的正則表達(dá)式效率略占優(yōu)勢。 2. PCRE 函數(shù)需要模式以定界符閉合。 3. 不像POSIX，PCRE 擴展沒有專門用于大小寫不敏感匹配的函數(shù)。取而代之的是，支持使用i (PCRE_CASELESS) 模式修飾符完成同樣的工作。 其他模式修飾符同樣可用于改變匹配策略。 4. POSIX 函數(shù)從最左面開始尋找最長的匹配，但是 PCRE 在第一個合法匹配后停止。如果字符串 不匹配這沒有什么區(qū)別，但是如果匹配，兩者在結(jié)果和速度上都會有差別。 為了說明這個不同, 考慮下面的例子(來自Jeffrey Friedl 的《精通正則表達(dá)式》一書)。 使用模式 one(self)?(selfsufficient)? 在字符串oneselfsufficient 上匹配，PCRE 會匹配到oneself，但是使用 POSIX，結(jié)果將是整個字符串 oneselfsufficient。兩個子串都匹配原始字符串，但是 POSIX 將 最長的作為結(jié)果。

函數(shù)對比

POSIXPCRE

ereg_replace()	preg_replace()
ereg()	preg_match()
eregi_replace()	preg_replace()
eregi()	preg_match()
split()	preg_split()
spliti()	preg_split()
sql_regcase()	無對等函數(shù)

可參照PHP Manual

正則表達(dá)式語法規(guī)則

正則表達(dá)式描述了一種字符串的匹配模式，通過這個模式在特定的函數(shù)中對字符串進(jìn)行匹配、查找、替換以及分割等操作。

正則表達(dá)式作為一個匹配的模板，是由定界符，原子(普通字符，例如a-z)、有特殊功能的字符(稱為元字符，例如*、+、?等),
以及模式修正符等部分組成的文字模式。

例子：

"/^https?\/\/(([a-zA-Z0-9_-])+(\.)?)*(\d+)?(\/((\.)?(\?)?=?&?[a-zA-Z0-9_-](\?)?)*)*$/i/"

或者

'/^<a.*?(?|\\t|\\r|\\n)?href=[\'"]?(.+?)[\'"]?(?(?|\\t|\\r|\\n)+.*?)?>(.+?)<\/a.*?>$/sim'

1. 定界符中使用的是兩個斜線"/"，將模式放在它之間說明。 2. 原子用到了<、a、href、=、'、"、/、>等普通字符和\t、\r、\n等轉(zhuǎn)義字符。 3. 元字符使用了[]、()、|、.、?、*、+等具有特殊含義的字符。 4. 用到模式修正符是在定界符最后一個斜線之后的三個字符"s"、"i"、"m"。

定界符

定界符為PCRE不同于POSIX的特點之一。

除了字母、數(shù)字和反斜線以外的字符皆可為定界符

例子：
{ }、# #、||、!!等

/<\/w+>/ // 使用反斜線作為定界符號 合法 |(\d{3})-\d+|Sm // 使用豎線"|"作為定界符號 合法 !^(?i)PHP[34]! // 使用感嘆號"!"作為定界符 合法 {^\s+(\s+)?$} // 使用花括號"{}"作為定界符號 合法 /href='(.*)' // 非法定界符，缺少結(jié)束定界符 1-\d3-\d3-\d4/ // 非法定界符號，缺少起始定界符

注意

如果沒有特殊要求，一般使用//作為定界符

定界符是成對的，有開始符號，也有結(jié)束符號。

原子

原子是正則表達(dá)式中最基本的組成單位，而且在每個模式中最少要包含一個原子。

原子是所有那些未顯式指定為元字符的打印(可以在屏幕上輸出的字符)和非打印字符(看不到的)組成的。
簡單地說，能夠在正則表達(dá)式中單獨使用的字符就可稱為原子

將其劃分為五類

1. 普通字符作為原子

普通字符是編寫正則表達(dá)式時最常見的原子，包括所有的大寫和小寫字母字符、所有數(shù)字等，例如：a-z、A-Z、0-9。

2. 非打印字符(看不到的)作為原子

原子字符 \x09 含義描述+ \cx 匹配由x指明的控制符。例如，\c\M匹配一個Control-M或者回車符。x的值必須為A-Z或a-z之一，否則，將c視為一個原義的'c'字符。+ \f 匹配一個換頁符。等價于\x0c和\cL+ \n 匹配一個換行符。等價于\x0a和\cJ+ \r 匹配一個回車符。等價于\x0d和\cM+ \t 匹配一個制表符。等價于\x09和\cI+ \v 匹配一個垂直制表符。等價于\x0b和\cK

3.通用字符類型做為原子

前面介紹的原子，都是一個原子只能匹配一個字符。但是有時候我們需要一個原子可以匹配一類字符。

在正則表達(dá)式中可以直接使用一些代表范圍的原子

原子字符 含義描述\d 匹配任意一個十進(jìn)制數(shù)字,等價于[0-9]\D 匹配任意一個除十進(jìn)制數(shù)字以外的字符，等價于[^0-9]\w 匹配任意一個數(shù)字、字母、下劃線，等價于[0-9a-zA-Z_]\W 匹配除數(shù)字、字母、下劃線以外的任意一個字符，等價于[^0-9a-zA-Z_]\s 匹配任意一個空白字符，等價于[\f\t\n\v\r]\S 匹配除空白字符以外的任何一個字符，等價于[^\t\f\n\v\r]

4. 自定義原子表([])作為原子

有些時候，上面六個通用字符并不能滿足我們的需求，我們需要自定義一類原子，比如說奇數(shù)(1,3,5,7,9).
所以這時候需要我們自定義一類原子(稱之為類原子),使用原子表"[]"就可以定義一組彼此平等的原子，
只能匹配原子表中一個字符。

¹表示匹配除表內(nèi)原子外的任意字符，通常稱之為排除原子表。

此外，在原子表中可以使用連字符(-)連接一組按照ASCII碼順序排列的原子，可簡化書寫。

例子

'/[apj]sp/' // 可以匹配asp、jsp、PSP三種，從原子表中僅選擇一個作為原子 '/[^apj]sp/' // 可以匹配除了asp、PSP、jsp三種以外的字符串，如xsp，ysp，zsp等 '/0[xX][0-9a-fA-F]/' // 可以匹配一個簡單的十六進(jìn)制數(shù)，如0x2f、0X3AE或0x4aB等

5. 一些特殊字符和元字符作為原子

在正則表達(dá)式中，任何一個符號都可以作為原子使用，但如果該符號在正則表達(dá)式中有特殊意義，可以使用轉(zhuǎn)義字符""
取消它的特殊意義，作為一個普通字符使用。 如 "\. \* \+ \? \( \<\>"

" "轉(zhuǎn)義字符可以將有意義的字符轉(zhuǎn)成沒意義的字符，還可以將沒意義的字符轉(zhuǎn)為有意義的字符

元字符

元字符是用于構(gòu)建正則表達(dá)式的具有特殊含義的字符，如"*"、"+"、"?"等。

元字符不能單獨出現(xiàn)，必須用來修飾原子。

如果要在正則表達(dá)式中使用包含元字符本身，為了使其失去特殊含義，則必須在前面加上""進(jìn)行轉(zhuǎn)義

正則表達(dá)式的元字符

元字符 含義描述\* 匹配0次，1次或者多次其前面的原子\+ 匹配1次或多次其前的原子？ 匹配0次或者1次其前的原子. 匹配除了換行符外的任意一個字符| 匹配兩個或多個分支選擇{n} 表示其前面的原子恰好出現(xiàn)n次{n,} 表示其前面的原子出現(xiàn)不少于n次{n,m} 表示其前面的原子至少出現(xiàn)n次，最多出現(xiàn)n次^或\A 匹配輸入字符串的開始位置(或在多行模式下行的開頭，即緊隨一換行符后)$或\Z 匹配輸入字符串(或者在多行模式下行的結(jié)尾，即緊隨一換行符后)\b 匹配單詞的邊界\B 匹配除單詞邊界以外的部分[] 匹配方括號中指定的任意一個原子[^] 匹配除方括號中的原子以外的任意一個字符，排除原子表() 匹配其整體為一個原子，即模式單元。可以理解為由多個單個原子組成的大原子\xn 匹配n，其中n為十六進(jìn)制轉(zhuǎn)義值。十六進(jìn)制轉(zhuǎn)義值必須為確定的兩個數(shù)字長。例如，`"\x41"`匹配`A`。`"\x041"`則等價于`"\x04&1"`。正則表達(dá)式中可以使用ASCII編碼。

1. 限定符

限定符用來指定正則表達(dá)式的一個給定原子必須要出現(xiàn)多少次才能滿足匹配。

總共有"*"、"+"、"?"、"{n}"、"{n,}"、"{n,m}"六種限定符，他們之間的區(qū)別主要是重復(fù)匹配的次數(shù)不同。

其中"*"、"+"、"{n,}"限定符是貪婪的，因為它們會盡可能地匹配文字。

注意

元字符 "*" 表示0次、1次或多次匹配其前的原子，也可以使用"{0,}"完成同樣的匹配

"+"可以使用"{1,}"表示,

"?"可以使用"{0,1}"表示。

2. 邊界限制(斷言)

用來限定字符串或單詞的邊界范圍，以便獲得更準(zhǔn)確的匹配結(jié)果。元字符"^"或("\A")和"$"或("\Z")
分別指字符串的開始于結(jié)束，而"\b"用于描述字符串中每個單詞的前或者后邊界，
與之相反的元字符"\B"表示非單詞邊界。

例如：

有一個字符串 "this is a test"， 使用邊界限制如下："/^this/" 匹配此字符是否以字符串"this"開始的，匹配成功"/test$/" 匹配此字符是否以字符串"test"結(jié)束的，匹配成功"/\bis\b/" 匹配此字符串中是否含有單詞"is"，因為在字符串"is"兩邊都需要有邊界"/\Bis\b/" 查找字符串"is"時，左邊不能有邊界而右邊必須右邊界，如"this"匹配成功

3. 句號(.)

在字符類以外，模式中的圓點可以匹配目標(biāo)中的任何一個字符，包括不可打印字符。但不匹配換行符號(默認(rèn)情況下)，相當(dāng)于"[^\n]"(UNIX系統(tǒng))或者"[^\n\r]"(Windows系統(tǒng))。

但是如果設(shè)定了模式修正符"s",則圓點也會匹配換行符。

處理圓點與處理^和$是完全獨立的，唯一的聯(lián)系是涉及換行

注意

1. `".*?"`或者`".+?"`組合來匹配除換行符以外的任何字符串。例如：`"/<b>.*?<\/b>/"`可以匹配以`<b>`,`</b>`標(biāo)簽開始于結(jié)束的任何不包括換行符的任意字符串

4. 模式選擇符(|)

豎線字符"|"用來分隔多選一模式，在正則表達(dá)式中匹配兩個或更多的選擇之一。

因|的優(yōu)先級是最低的，所以應(yīng)在最后考慮其功能。

例如：LAMP | J2EE表示匹配LAMP，也可以匹配J2EE，由于|其優(yōu)先級最低，所以并
不表示匹配'LAMP2EE'或者'LAMJEE'。

也可以像這樣使用 "/Linux|Apache|MySQL|PHP/"，表示可以從中任意匹配一組。

5. 模式單元

模式單元是使用元字符"()"將多個原子組成大原子使用。

一個模式單元中的表達(dá)式將被優(yōu)先匹配

例子：

'/(very)*good/' //可以匹配good、very good、very very good

6. 后向引用

后向引用是一個正則表達(dá)式中一個重要的應(yīng)用點。

使用()標(biāo)記的開始和結(jié)束的多個原子，不僅僅是一個獨立的單元，也是一個子表達(dá)式(也稱之為子模式)。

**對于一個正則表達(dá)式模式或部分模式兩邊添加圓括號將導(dǎo)致相關(guān)匹配存儲到一個臨時緩沖區(qū)中，可以被捕獲供

以后使用**。

所捕獲的每個子匹配都按照正則表達(dá)式模式中從左之后所遇到的內(nèi)容存儲。存儲子匹配的緩沖區(qū)編號從1開始，
連續(xù)編號直至最大99個表達(dá)式。

每個緩沖區(qū)都可以使用\n訪問，其中n為一個便是特定緩沖區(qū)的一位或兩位十進(jìn)制數(shù)。

例如："\1"、"\2"、"\3"等形式的引用，在正則表達(dá)式模式中使用時還需要在前面加上一個反斜線，
將反斜線再次轉(zhuǎn)義，
例如："\\1"、"\\2"、"\\3"等形式的引用。

如下所示：

'/^\d{4}\W\d{2}\W\d{2$}/' // 這是一個匹配日期的格式，如2008-08/08或者2008/08-08 等 '/^\d{4}(\W)\d{2}\\1\d{2$}/' // 這是一個匹配日期的格式，如2008-08-08或者2008/08/08 等

當(dāng)你要使用模式單元而又不想存儲匹配結(jié)果時，可以使用非捕獲元字符"?:"、"?="或"?!"來忽略對相關(guān)匹配的保存。

注意

在一些正則表達(dá)式中，使用非存儲模式單元是必要的，可以改變其后向引用的順序。

`/(Windows)(Linux)\\2OS/` --- 使用"\2"再次引用第二個緩沖區(qū)中的字符串"Linux" `/(?:Windows)(Linux)\\1OS/` --- 使用"?:"忽略了第一個子表達(dá)式的存儲，所以"\1"引用的就是"Linux"

7. 模式匹配的優(yōu)先級

在使用正則表達(dá)式時，需要注意匹配的書序。通常相同優(yōu)先級從左到右進(jìn)行運算，不同優(yōu)先級的運算先高后低。

** 順 序 ** ** 元 字 符 ** ** 描 述 **1 \ 轉(zhuǎn)義符號2 ()、(?:)、(?=)、[] 模式單元和原子表3 *、+、？、{n}、{n,}、{n,m} 重復(fù)匹配4 ^、$、\b、\B、\A、\Z 邊界限制5 | 模式選擇

模式修正符

模式修正符在正則表達(dá)式定界符之外使用(最后一個斜線"/"之后)。

模式修正符可以調(diào)整正則表達(dá)式的解釋，擴展了正則表達(dá)式在匹配、替換等操作時的某些功能；
而且模式修正符可以組合使用，更增強了正則表達(dá)式處理能力

模式修正符可以單個使用，也可以多個組合使用

模式修正符

**模式修正符** **功能描述**i 在和模式進(jìn)行匹配時不區(qū)分大小寫m 將字符串視為多行。默認(rèn)開的正則開始`"^"`和`"$"`將目標(biāo)字符串作為單一的一"行"字符(甚至其中包含有換行符也是如此)。如果在修飾符中加上`"m"`，那么開始和結(jié)束將會指字符串的每一行,每一行的開頭就是`"^"`,結(jié)尾就是`"$"`。s 如果設(shè)定了次修正符，則模式中的圓點元字符`"."`匹配所有的字符，包括換行符。即將字符串視為單行，換行符作為普通字符看待。x 模式中的空白忽略不計，除非它已經(jīng)被轉(zhuǎn)義。e **只有在`preg_replace()`函數(shù)中，在替換字符串對逆向引用做正常的替換，將其作為PHP代碼求值，并且其結(jié)果來替換所搜索的字符串**U 本修正符反轉(zhuǎn)了匹配數(shù)量的值使其使其不是默認(rèn)的重復(fù)，而變成在后面跟上`"?"`才變得重復(fù)。**__這和Perl語言不兼容__**。也可以通過在模式中設(shè)定(U)修正符或者數(shù)量符之后跟一個問號`"?"`(例如.*?)來使用此選項。D 模式中的美元元字符僅匹配目標(biāo)字符串的結(jié)尾。沒有此選項時，如果最后一個字符是換行符，則美元符號也會匹配次字符之前的內(nèi)容。如果設(shè)定了m修正符，則忽略此選項

注意：

模式 "/Web Server/ix"可以用來匹配字符串"webserver",忽略大小寫和空白。

貪婪匹配，在匹配成功的前提下，盡可能多的去匹配*,+,{n,},.*是貪婪的，例如：/a.*e/去匹配字符串"abcd fsdfsdfsesfdfsdfsesdfedfsdfses",由于'.*'是貪婪的匹配，會從這個字符串中匹配出"abcd fsdfsdfsesfdfsdfsesdfedfsdfse"，從第一個a開始，知道最后一個字母e結(jié)束，都屬于'.*'內(nèi)容。如果想取消這種貪婪模式，可以使用模式修正符"U"或者在模式中使用.*?，在.*后面加個?。為了兼容Perl正則函數(shù)，可能會沒有模式修正符"U"，我們建議使用在".*"后加"?"來實現(xiàn)懶惰模式(即非貪婪模式)如果"U"與"?"同時使用，像這樣"/a.*?e/U",則匹配"abcdfsdfsdfsesfdfsdfsesdfedfsdfse"，相當(dāng)于又啟用了貪婪模式。

惰性模式，在匹配成功的前提下，盡可能少的去匹配(注意點同上)

模式"/^is/m"可以匹配字符串"this\nis\nais\ntest"中的'is',因為使用模式修正符"m"將字符串視為多行，第二行出現(xiàn)的"is"匹配成功。默認(rèn)的正則開始^和結(jié)束'$'將目標(biāo)字符串作為單一的一“行”(甚至包含換行符也是如此)。

Note:

看到這里是不是懵逼了？沒錯，我也懵逼。
不過沒有關(guān)系，秉承Learning by doing的準(zhǔn)則，
在接下來的教程中，我會一一演示。

更多文章請訪問我的博客：Noapes

實例

/*** 無亂碼截取中文字符* @param $str* @param int $start* @param $length* @param string $charset* @param bool|true $suffix* @return string|void*/function msubstr($str, $start=0, $length, $charset="utf-8", $suffix=true) {if(function_exists("mb_substr"))return mb_substr($str, $start, $length, $charset);elseif(function_exists('iconv_substr')) {return iconv_substr($str,$start,$length,$charset);}$re['utf-8'] = "/[x01-x7f]|[xc2-xdf][x80-xbf]|[xe0-xef][x80-xbf]{2}|[xf0-xff][x80-xbf]{3}/";$re['gb2312'] = "/[x01-x7f]|[xb0-xf7][xa0-xfe]/";$re['gbk'] = "/[x01-x7f]|[x81-xfe][x40-xfe]/";$re['big5'] = "/[x01-x7f]|[x81-xfe]([x40-x7e]|xa1-xfe])/";preg_match_all($re[$charset], $str, $match);$slice = join("",array_slice($match[0], $start, $length));if($suffix) return $slice;return $slice; }echo msubstr('哈哈哈你好啊啊',2,3,'gb2312');

---

sdf ?

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的PHP基础系列之正则表达式(一)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。