PHP 正则表达式

三里屯摇滚

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
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.

1. ?$regex = '/^http:\/\/([\w.]+)\/([\w]+)\/([\w]+)\.html$/i';
   
2. $str = 'http://www.youku.com/show_page/id_ABCDEFG.html';
   
3. $matches = array();
   
4.   
   
5. if(preg_match($regex, $str, $matches)){
   
6.     var_dump($matches);
   
7. }
   
8.   
   
9. echo "\n";

复制代码

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!

1. 
   
2. ?$regex = '#^http://([\w.]+)/([\w]+)/([\w]+)\.html$#i';
   
3. $str = 'http://www.youku.com/show_page/id_ABCDEFG.html';
   
4. $matches = array();
   
5.   
   
6. if(preg_match($regex, $str, $matches)){
   
7.     var_dump($matches);
   
8. }
   
9.   
   
10. echo "\n";

复制代码

¤ 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:

1. 
   
2. ?$regex = '/HELLO/';
   
3. $str = 'hello word';
   
4. $matches = array();
   
5.   
   
6. if(preg_match($regex, $str, $matches)){
   
7.     echo 'No i:Valid Successful!',"\n";
   
8. }
   
9.   
   
10. if(preg_match($regex.'i', $str, $matches)){
    
11.     echo 'YES i:Valid Successful!',"\n";
    
12. }
    
13. 
    
14. 
    

复制代码

¤ 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

1. ?$regex = '/(?<=c)d(?=e)/';  /* d 前面紧跟c, d 后面紧跟e*/
   
2. $str = 'abcdefgk';
   
3. $matches = array();
   
4.   
   
5. if(preg_match($regex, $str, $matches)){
   
6.     var_dump($matches);
   
7. }
   
8.   
   
9. echo "\n";

复制代码

否定意义:

1. ?$regex = '/(?<!c)d(?!e)/';  /* d 前面不紧跟c, d 后面不紧跟e*/
   
2. $str = 'abcdefgk';
   
3. $matches = array();
   
4.   
   
5. if(preg_match($regex, $str, $matches)){
   
6.     var_dump($matches);
   
7. }
   
8.   
   
9. echo "\n";

复制代码

>字符宽度:零
验证零字符代码

1. ?$regex = '/HE(?=L)LO/i';
   
2. $str = 'HELLO';
   
3. $matches = array();
   
4.   
   
5. if(preg_match($regex, $str, $matches)){
   
6.     var_dump($matches);
   
7. }
   
8.   
   
9. echo "\n";

复制代码

打印不出结果！

1. ?$regex = '/HE(?=L)LLO/i';
   
2. $str = 'HELLO';
   
3. $matches = array();
   
4.   
   
5. if(preg_match($regex, $str, $matches)){
   
6.     var_dump($matches);
   
7. }
   
8.   
   
9. echo "\n";

复制代码

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)。

1. ?$regex = '/^(Chuanshanjia)[\w\s!]+\1$/';     
   
2. $str = 'Chuanshanjia thank Chuanshanjia';
   
3. $matches = array();
   
4.   
   
5. if(preg_match($regex, $str, $matches)){
   
6.     var_dump($matches);
   
7. }
   
8.   
   
9. echo "\n";

复制代码

> 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)

1. ?$regex = '/(?P<author>chuanshanjia)[\s]Is[\s](?P=author)/i';
   
2. $str = 'author:chuanshanjia Is chuanshanjia';
   
3. $matches = array();
   
4.   
   
5. if(preg_match($regex, $str, $matches)){
   
6.     var_dump($matches);
   
7. }
   
8.   
   
9. echo "\n";

复制代码

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:先匹配"?"前面的部分，然后再匹配右侧表达式，右侧表达式匹配成功则整个匹配结束。

先看下面的两个代码:

代码1.

1. ?$regex = '/(")[^\1]+\1/i';
   
2. $str = '"a""b""c""d"';
   
3. $matches = array();
   
4.   
   
5. if(preg_match($regex, $str, $matches)){
   
6.     var_dump($matches);
   
7. }
   
8.   
   
9. echo "\n";

复制代码

结果1.





代码2

1. 
   
2. ?$regex = '/(")[^\1]+?\1/i';
   
3. $str = '"a""b""c""d"';
   
4. $matches = array();
   
5.   
   
6. if(preg_match($regex, $str, $matches)){
   
7.     var_dump($matches);
   
8. }
   
9.   
   
10. echo "\n";

复制代码

结果2



分析:
      比较两个正则表达式:第一个加了"?"，第二个没有。
      结果:主要看第一个参数:第一个把所有字符打印了出来，第二个只打印了个""a"".
      结论:
           >>  首先满足("[^\1]+\1条件的有

1.              "a", "a""b","a""b""c", "a""b""c""d",   "b","b""c","b""c""d",     "c","c""d",     "d"

复制代码

而第一个正则表达式却选择了最大的"a""b""c""d",说明非惰性匹配会把最大的匹配结果拿出来做比较。
           
           >>  第二个正则表达式:先匹配("[^\1]+，如果匹配成功，那么我们在匹配“？”右边的\1，如果匹配成功，则整个匹配结束。

其他案例:

1.   "Oh, \"my\"  God" =====>   /(")([^\1] | \\1)*?(?<!\\)\1/i

复制代码

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

1. ?$regex = '/
   
2.     ^host=(?<!\.)([\d.]+)(?!\.)                 (?#主机地址)
   
3. \|
   
4.     ([\w!@#$%^&*()_+\-]+)                       (?#用户名)
   
5. \|
   
6.     ([\w!@#$%^&*()_+\-]+)                       (?#密码)
   
7. (?!\|)$/ix';
   
8.   
   
9. $str = 'host=192.168.10.221|root|123456';
   
10. $matches = array();
    
11.   
    
12. if(preg_match($regex, $str, $matches)){
    
13.     var_dump($matches);
    
14. }
    
15.   
    
16. echo "\n";

复制代码

特殊字符

  特殊字符 解释

1. * 0到多次
   
2. + 1到多次还可以写成{1,}
   
3. ? 0或1次
   
4. . 匹配除换行符外的所有单个的字符
   
5. \w [a-zA-Z0-9_]
   
6. \s 空白字符(空格，换行符，回车符）[\t\n\r]
   
7. \d [0-9]

复制代码

清风鸟儿

谢谢分享