PHP中正则表达式详细说明

PHP中正则表达式详细说明

  PHP继承*NIX的一贯传统,完全支持正规表达式的处理。正规表达式提供了一种高级的,但不直观的字符串匹配和处理的方法。用过PERL的正规表达式的朋友都知道,正规表达式的功能非常强大,但学起来不是那么容易。
  比如:
  
  ^.+@.+\..+$
  
  这段有效却难以理解的代码足够使一些程序员头痛(我就是)或者让他们放弃使用正规表达式。相信当你读完这个教程后,就可以理解这段代码的含义了。
  
  基本模式匹配
  
  一切从最基本的开始。模式,是正规表达式最基本的元素,它们是一组描述字符串特征的字符。模式可以很简单,由普通的字符串组成,也可以非常复杂,往往用特殊的字符表示一个范围内的字符、重复出现,或表示上下文。例如:
  
  ^once
  
  这个模式包含一个特殊的字符^,表示该模式只匹配那些以once开头的字符串。例如该模式与字符串"once upon a time"匹配,与"There once was a man from NewYork"不匹配。正如如^符号表示开头一样,$符号用来匹配那些以给定模式结尾的字符串。
  
  bucket$
  
  这个模式与"Who kept all of this cash in a bucket"匹配,与"buckets"不匹配。字符^和$同时使用时,表示精确匹配(字符串与模式一样)。例如:
  
  ^bucket$
  
  只匹配字符串"bucket"。如果一个模式不包括^和$,那么它与任何包含该模式的字符串匹配。例如:模式
  
  once
  
  与字符串
  
  There once was a man from NewYork
  Who kept all of his cash in a bucket.
  
  是匹配的。
  
  在该模式中的字母(o-n-c-e)是字面的字符,也就是说,他们表示该字母本身,数字也是一样的。其他一些稍微复杂的字符,如标点符号和白字符(空格、制表符等),要用到转义序列。所有的转义序列都用反斜杠(\)打头。制表符的转义序列是:\t。所以如果我们要检测一个字符串是否以制表符开头,可以用这个模式:
  
  ^\t
  
  类似的,用\n表示“新行”,表示回车。其他的特殊符号,可以用在前面加上反斜杠,如反斜杠本身用\表示,句号.用\.表示,以此类推。
  
  字符簇
  
  在INTERNET的程序中,正规表达式通常用来验证用户的输入。当用户提交一个FORM以后,要判断输入的电话号码、地址、EMAIL地址、信用卡号码等是否有效,用普通的基于字面的字符是不够的。
  
  所以要用一种更自由的描述我们要的模式的办法,它就是字符簇。要建立一个表示所有元音字符的字符簇,就把所有的元音字符放在一个方括号里:
  
  [AaEeIiOoUu]
  
  这个模式与任何元音字符匹配,但只能表示一个字符。用连字号可以表示一个字符的范围,如:
  
  [a-z] //匹配所有的小写字母
  [A-Z] //匹配所有的大写字母
  [a-zA-Z] //匹配所有的字母
  [0-9] //匹配所有的数字
  [0-9\.\-] //匹配所有的数字,句号和减号
  [ \f \t\n] //匹配所有的白字符
  
  同样的,这些也只表示一个字符,这是一个非常重要的。如果要匹配一个由一个小写字母和一位数字组成的字符串,比如"z2"、"t6"或"g7",但不是"ab2"、"r2d3" 或"b52"的话,用这个模式:
  
  ^[a-z][0-9]$
  
  尽管[a-z]代表26个字母的范围,但在这里它只能与第一个字符是小写字母的字符串匹配。
  
  前面曾经提到^表示字符串的开头,但它还有另外一个含义。当在一组方括号里使用^是,它表示“非”或“排除”的意思,常常用来剔除某个字符。还用前面的例子,我们要求第一个字符不能是数字:
  
  ^[^0-9][0-9]$
  
  这个模式与"&5"、"g7"及"-2"是匹配的,但与"12"、"66"是不匹配的。下面是几个排除特定字符的例子:
  
  [^a-z] //除了小写字母以外的所有字符
  [^\/\^] //除了(\)(/)(^)之外的所有字符
  [^"\'] //除了双引号(")和单引号(')之外的所有字符
  
  
  特殊字符"." (点,句号)在正规表达式中用来表示除了“新行”之外的所有字符。所以模式"^.5$"与任何两个字符的、以数字5结尾和以其他非“新行”字符开头的字符串匹配。模式"."可以匹配任何字符串,除了空串和只包括一个“新行”的字符串。
  
  PHP的正规表达式有一些内置的通用字符簇,列表如下:
  
  字符簇 含义
  [[:alpha:]] 任何字母
  [[:digit:]] 任何数字
  [[:alnum:]] 任何字母和数字
  [[:space:]] 任何白字符
  [[:upper:]] 任何大写字母
  [[:lower:]] 任何小写字母
  [[:punct:]] 任何标点符号
  [[:xdigit:]] 任何16进制的数字,相当于[0-9a-fA-F]
  
  到现在为止,你已经知道如何去匹配一个字母或数字,但更多的情况下,可能要匹配一个单词或一组数字。一个单词有若干个字母组成,一组数字有若干个单数组成。跟在字符或字符簇后面的花括号({})用来确定前面的内容的重复出现的次数。
  
  字符簇 含义
  ^[a-zA-Z_]$ 所有的字母和下划线
  ^[[:alpha:]]$ 所有的单个字母的单词
  ^a$ 字母a
  ^a{4,4}$ aaaa
  ^a{2,4}$ aa,aaa或aaaa
  ^a{1,3}$ a,aa或aaa
  ^a{2,}$ 包含多于两个a的字符串
  ^a{2,} 如:aardvark和aaab,但apple不行
  a{2,} 如:baad和aaa,但Nantucket不行
  \t 至少一个制表符
  . 至少一个字符
  
  这些例子描述了花括号的三种不同的用法。一个数字,的意思是“前面的字符或字符簇只出现x次”;一个数字加逗号,{x,}的意思是“前面的内容出现x 或更多的次数”;两个用逗号分隔的数字,{x,y}表示“前面的内容至少出现x次,但不超过y次”。我们可以把模式扩展到更多的单词或数字:
  
  ^[a-zA-Z0-9_]{1,}$ //所有包含一个以上的字母、数字或下划线的字符串
  ^[0-9]{1,}$ //所有的正数
  ^\-{0,1}[0-9]{1,}$ //所有的整数
  ^\-{0,1}[0-9]{0,}\.{0,1}[0-9]{0,}$ //所有的小数
  
  最后一个例子不太好理解,是吗?这么看吧:与所有以一个可选的负号(\-{0,1})开头(^)、跟着0个或更多的数字([0-9]{0,})、和一个可选的小数点(\.{0,1})再跟上0个或多个数字([0-9]{0,}),并且没有其他任何东西($)。下面你将知道能够使用的更为简单的方法。
  
  特殊字符"?"与{0,1}是相等的,它们都代表着:“0个或1个前面的内容”或“前面的内容是可选的”。所以刚才的例子可以简化为:
  
  ^\-?[0-9]{0,}\.?[0-9]{0,}$
  
  特殊字符"*"与{0,}是相等的,它们都代表着“0个或多个前面的内容”。最后,字符"+"与 {1,}是相等的,表示“1个或多个前面的内容”,所以上面的4个例子可以写成:
  
  ^[a-zA-Z0-9_]+$ //所有包含一个以上的字母、数字或下划线的字符串
  ^[0-9]+$ //所有的正数
  ^\-?[0-9]+$ //所有的整数
  ^\-?[0-9]*\.?[0-9]*$ //所有的小数
  
  当然这并不能从技术上降低正规表达式的复杂性,但可以使它们更容易阅读。

正则表达式中的特殊字符

  字符\
  意义:对于字符,通常表示按字面意义,指出接着的字符为特殊字符,不作解释。
  例如:/b/匹配字符’b’,通过在b 前面加一个反斜杠,也就是/\b/,则该字符变成特殊字符,表示
  匹配一个单词的分界线。
  或者:
  对于几个字符,通常说明是特殊的,指出紧接着的字符不是特殊的,而应该按字面解释。
  例如:*是一个特殊字符,匹配任意个字符(包括0个字符);例如:/a*/意味匹配0个或多个a。为了匹配字面上的*,在a前面加一个反斜杠;例如:/a\*/匹配’a*’。
  
  字符^
  意义:表示匹配的字符必须在最前边。
  例如:/^A/不匹配"an A,"中的’A’,但匹配"An A."中最前面的’A’。
  
  字符$
  意义:与^类似,匹配最末的字符。
  例如:/t$/不匹配"eater"中的’t’,但匹配"eat"中的’t’。
  
  字符*
  意义:匹配*前面的字符0次或n次。
  例如:/bo*/匹配"A ghost booooed"中的’boooo’或"A bird warbled"中的’b’,但不匹配"Agoat g
  runted"中的任何字符。
  
  字符+
  意义:匹配+号前面的字符1次或n次。等价于{1,}。
  例如:/a+/匹配"candy"中的’a’和"caaaaaaandy."中的所有’a’。
  
  字符?
  意义:匹配?前面的字符0次或1次。
  例如:/e?le?/匹配"angel"中的’el’和"angle."中的’le’。
  
  字符.
  意义:(小数点)匹配除换行符外的所有单个的字符。
  例如:/.n/匹配"nay, an apple is on the tree"中的’an’和’on’,但不匹配’nay’。
  
  
  字符(x)
  意义:匹配’x’并记录匹配的值。
  例如:/(foo)/匹配和记录"foo bar."中的’foo’。匹配子串能被结果数组中的素[1], ...,[n] 返
  回,或被RegExp对象的属性, ..., 返回。
  
  字符x│y
  意义:匹配’x’或者’y’。
  例如:/green│red/匹配"green apple"中的’green’和"red apple."中的’red’。
  
  字符{ n }
  意义:这里的n是一个正整数。匹配前面的n个字符。
  例如:/a{ 2 }/不匹配"candy,"中的’a’,但匹配"caandy," 中的所有’a’和"caaandy."中前面的两个’a’。
  
  字符{ n, }
  意义:这里的n是一个正整数。匹配至少n个前面的字符。
  例如:/a{ 2, }不匹配"candy"中的’a’,但匹配"caandy"中的所有’a’和"caaaaaaandy."中的所有’a’
  
  字符{ n,m }
  意义:这里的n和m都是正整数。匹配至少n个最多m个前面的字符。
  例如:/a{ 1,3 }/不匹配"cndy"中的任何字符,但匹配 "candy,"中的’a’,"caandy," 中的前面两个
  ’a’和"caaaaaaandy"中前面的三个’a’,注意:即使"caaaaaaandy" 中有很多个’a’,但只匹配前面的三 个’a’即"aaa"。
  
  字符[xyz]
  意义:一字符列表,匹配列出中的任一字符。你可以通过连字符-指出一个字符范围。
  例如:[abcd]跟[a-c]一样。它们匹配"brisket"中的’b’和"ache"中的’c’。
  
  字符[^xyz]
  意义:一字符补集,也就是说,它匹配除了列出的字符外的所有东西。 你可以使用连字符-指出一 字符范围。
  例如:[^abc]和[^a-c]等价,它们最早匹配"brisket"中的’r’和"chop."中的’h’。
  
  字符
  意义:匹配一个空格(不要与b混淆)
  
  字符b
  意义:匹配一个单词的分界线,比如一个空格(不要与混淆)
  例如:/bnw/匹配"noonday"中的’no’,/wyb/匹配"possibly yesterday."中的’ly’。
  
  字符B
  意义:匹配一个单词的非分界线
  例如:/wBn/匹配"noonday"中的’on’,/yBw/匹配"possibly yesterday."中的’ye’。
  
  字符cX
  意义:这里的X是一个控制字符。匹配一个字符串的控制字符。
  例如:/cM/匹配一个字符串中的control-M。
  
  字符d
  意义:匹配一个数字,等价于[0-9]。
  例如:/d/或/[0-9]/匹配"B2 is the suite number."中的’2’。
  
  字符D
  意义:匹配任何的非数字,等价于[^0-9]。
  例如:/D/或/[^0-9]/匹配"B2 is the suite number."中的’B’。
  
  字符f
  意义:匹配一个表单符
  
  字符n
  意义:匹配一个换行符
  
  字符r
  意义:匹配一个回车符
  
  字符s
  意义:匹配一个单个white空格符,包括空格,tab,form feed,换行符,等价于[ fnrtv]。
  例如:/sw*/匹配"foo bar."中的’ bar’。
  
  字符S
  意义:匹配除white空格符以外的一个单个的字符,等价于[^ fnrtv]。
  例如:/S/w*匹配"foo bar."中的’foo’。
  
  字符t
  意义:匹配一个制表符
  
  字符v
  意义:匹配一个顶头制表符
  
  字符w
  意义:匹配所有的数字和字母以及下划线,等价于[A-Za-z0-9_]。
  例如:/w/匹配"apple,"中的’a’,".28,"中的’5’和"3D."中的’3’。
  
  字符W
  意义:匹配除数字、字母外及下划线外的其它字符,等价于[^A-Za-z0-9_]。
  例如:/W/或者/[^$A-Za-z0-9_]/匹配"50%."中的’%’。
  
  字符n
  意义:这里的n是一个正整数。匹配一个正则表达式的最后一个子串的n的值(计数左圆括号)。
  
  例如:/apple(,)sorange1/匹配"apple, orange, cherry, peach."中的’apple, orange’,下面有一个更加完整的例子。
  注意:如果左圆括号中的数字比n指定的数字还小,则n取下一行的八进制escape作为描述。
  
  字符ooctal和xhex
  意义:这里的ooctal是一个八进制的escape值,而xhex是一个十六进制的escape值,允许在一个正则表达式中嵌入ASCII码

技术相关:

评论

讲的很详细,学习正则在于活学活用,不能死记更背。