正则表达式介绍
正则表达式简介
正则表达式是用于描述字符排列和匹配模式的一种语法规则。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。
PHP中，正则表达式的三个作用：
- 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。
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 Operating System Interface of Unix ）扩展提供的。使用以“ereg_”为前缀命名的函数；
PCRE来源于Perl语言，而Perl是对字符串操作功能最强大的语言之一，PHP的最初版本就是由Perl开发的产品。
PCRE语法支持更多特性，比POSIX语法更强大。
举例：想一想这两个正则表达式做什么用？
/^-?\d+$|^-?0[xX][\da-fA-F]+$/
/^[0-9a-zA-Z_-]+@[0-9a-zA-Z_-]+(\.[0-9a-zA-Z_-]+){0,3}$/
与Perl语言兼容的正则表达式处理函数
| 函数名 | 功能描述 |
|---|---|
| preg_match() | 进行正则表达式匹配 |
| preg_match_all() | 进行全局正则表达式匹配 |
| preg_replace() | 执行正则表达式的搜索和替换 |
| preg_split() | 用正则表达式分割字符串 |
| preg_grep() | 返回与模式匹配的数组单元 |
| preg_replace_callback() | 用回调函数执行正则表达式的搜索和替换 |
正则表达式的语法规则
正则表达式作为一个匹配的模版，是由原子（普通字符，例如字符a到z）、特殊字符（元字符，例如*、+和？等）、以及模式修正符三部分组成的文字模式。
一个最简单正则表达式至少包含一个原子。
将下面的正则表达式拆分如下：
'/<a.*?(?:|\\t|\\r|\\n)?href=[\"]?(.+?)[\"]?(?:(?:|\\t|\\r|\\n)+.*?)?>(.+?)<\/a.*?>/sim'
定界符：两个斜线”/”。
原子用到了< a href = ‘ “ / >等普通字符和\t \r \n等转义字符
元字符使用了 [] () | . ? * + 等具有特殊含义的字符
用到了模式修正符是在定界符最后一个斜线之后的三个字符: s i m
定界符
在程序语言中，使用与Perl兼容的正则表达式，通常都需要将模式表达式放入定界符之间，如“/”。
作为定界符常使用反斜线“/”，如“/apple/”。用户只要把需要匹配的模式内容放入定界符之间即可。作为定界的字符也不仅仅局限于“/”。除了字母、数字和斜线“\”以外的任何字符都可以作为定界符，像 ‘#’、’|’、’!’ 等都可以的。
- /</\w+>/ --使用反斜线作为定界符合法
- |(\d{3})-\d+|Sm --使用竖线”|”作为定界符合法
- !^(?i)php[34]! --使用竖线”!”作为定界符合法
- {^\s+(\s+)?$} --使用竖线”}”作为定界符合法
- /href=‘(.*)’ --非法定界符，缺少结束定界符
- 1-\d3-\d3-\d4| --非法定界符，缺少其实定界符
原子
原子是正则表达式的最基本的组成单元，而且在每个模式中最少要少包含一个原子。原子是由所有那些未显示指定为元字符的打印和非打印字符组成，具体分为5类。
- 普通字符作为原子： 如 az、AZ、0~9 等
- 一些特殊字符和转义后元字符作为原子：
所有标点符号，但语句特殊意义的符号需要转义后才可作为原子，如：\” \’ * + ? . 等 - 一些非打印字符作为原子： 如：\f \n \r \t \v \cx
- 使用“通用字符类型”作为原子：如：\d \D \w \W \s \S。
- 自定义原子表([])作为原子：如：’/[apj]sp/’ ’/[^apj]sp/’
正则表达式中常用的非打印字符
| 原子字符 | 含义描述 |
|---|---|
| \cx | 匹配由x指明的控制字符。如\cM匹配一个Control-M或回车符。x的值必须为AZ或az之一 |
| \f | 匹配一个换页符。等价于 \x0c或\cL |
| \n | 匹配一个换行符。等价于 \x0a或\cJ |
| \r | 匹配一个回车符。等价于 \x0d或\cM |
| \t | 匹配一个制表符。等价于 \x09或\cI |
| \v | 匹配一个垂直制表符。等价于 \x0b或\cK |
正则表达式中常用的“通用字符类型”
| 原子字符 | 描述含义 |
|---|---|
| \d | 匹配任意一个十进制数字，等价于[0-9] |
| \D | 匹配任意一个除十进制数字以外的字符，等价于[^0-9] |
| \s | 匹配任意一个空白符，等价于[\f\n\r\t\v] |
| \S | 匹配除空白符以外任何字符，等价于[^\f\n\r\t\v] |
| \w | 匹配任意一个数字、字母或下画线，等价于[0-9a-zA-Z_] |
| \W | 匹配一个除数字、字母或下画线以外的任意一个字符，等价于[^0-9a-zA-Z_] |
元字符
Paste_Image.png
- 字符串边界限制
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。^和$分别指定字符串的开始和结束。
例如:
在字符串Tom and Jerry chased each other in the house until tom’s uncel come in中
元字符“^”或“\A” 置于字符串的开始确保模式匹配出现在字符串首端；
/^Tom/
元字符“$”或“\Z” 置于字符串的结束，确保模式匹配出现字符串尾端。
/in$/
如果不加边界限制元字符，将获得更多的匹配结果。
/^Tom$/精确匹配 /Tom/模糊匹配
- 单词边界限制
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。
例如：
在字符串“This island is a beautiful land”中
元字符`\b`对单词的边界进行匹配；
/\bis\b/ 匹配单词“is”，不匹配“This”和“island”。
/\bis 匹配单词“is”和“island”中的“is”，不匹配“This”
元字符“\B”对除单词边界以外的部分进行匹配。
/\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。
/\Bis 匹配单词“This”中的“is”
- 重复匹配
正则表达式中有一些用于重复匹配某些原子的元字符：?、*、+。他们主要的区别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：
/zo*/可以匹配z、zoo
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。
/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”。
/^a.*z$/表示可以匹配字母“a”开头，字母“z”结束的任意不包括换行符的字符串。
/.+/ 也可以完成类似的匹配功能所不同的是其至少匹配一个字符。
/^a.+z$/ 匹配“a％z”不匹配字符串“az”。
- 重复匹配
元字符{ }准确地指定原子重复的次数，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。
例如：
/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”,等价于bo?u。
- 原子表 －方括号表达式
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。
原子表[-]用于连接一组按ASCII码顺序排列的原子，简化书写。
例如：/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。
例如：
/[a-zA-Z]/匹配所有大小写字母
/^[a-z][0-9]$/匹配比如“z2”、 “t6” 、“g7”
/0[xX][0-9a-fA-F]/匹配一个简单的十六进制数字，如“0x9”。
/[^0-9a-zA-Z_]/匹配除英文字母、数字和下划线以外任何一个字符，其等价于\W。
/0?[ xX][0-9a-fA-F]+/匹配十六进制数字，可以匹配“0x9B3C”或者“X800”等。
/<[A-Za-z][A-Za-z0-9]*>/可以匹配“<P>”、“<hl>”或“<Body>”等HTML标签，并且不严格的控制大小写。
模式选择符
元字符|又称模式选择符。在正则表达式中匹配两个或更多的选择之一。
例如：
在字符串“There are many apples and pears.”中， /apple|pear/在第一次运行时匹配“apple”；
再次运行时匹配“ pear”。也可以继续增加选项，如： /apple|pear|banana|lemon/模式单元
元字符（）将其中的正则表达式变为原子（或称模式单元）使用。与数学表达式中的括号类似，“（）”可以做一个单元被单独使用。
例如：
/(Dog)+/匹配的“Dog”、“DogDog”、“DogDogDog”,因为紧接着“+”前的原子是元字符“（）”括起来的字符串“Dog”。
/You (very )+ old/匹配“You very old”、“You very very old”
/Hello (world|earth)/匹配“Hello world”、“Hello earth”
一个模式单元中的表达式将被优先匹配或运算。
- 重新使用的模式单元
系统自动将模式单元“（）”中的匹配依次存储起来，在需要时可以用\1、\2、\3的形式进行引用。当正则表达式包含有相同的模式单元时，这种方法非常便于对其进行管理。注意使用时需要写成“\1”、“\2”
例如：
/^\d{2}([\W])\d{2}\\1\d{4}$/
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“/”。
当不需要存储匹配结果时使用非存储模式单元“（？：）”
例如/(?:a|b|c)(D|E|F)\\1g/ 将匹配“aEEg”。
在一些正则表达式中，使用非存储模式单元是必要的。
否则，需要改变其后引用的顺序。上例还可以写成/（a|b|c）(C|E|F)\\2g/。
模式修正符
模式修正符
贪婪匹配 匹配结果存在歧义时取长
懒惰匹配 匹配结果存在歧义时取短
U 懒惰匹配
i 忽略英文字母大小写
x 忽略空白
例如实例
与Perl兼容的正则表达式函数
子符串的匹配与查找函数
- 函数preg_match() --执行一个正则表达式匹配
int preg_match(string $pattern, string $subject[,array &$matches])
搜索subject与pattern给定的正则表达式的一个匹配.
<?php
//preg_match()函数实例
//一个用于匹配URL的正则表达式
$pattern = '/(https?|ftps?):\/\/(www)\.([^\.\/]+)\.(com|net|org)(\/[\w-\.\/\?\%\&\=]*)?/i';
//被搜索字符串
$subject = "网址为http://www.baidu.com/index.php的位置是百度首页";
//使用preg_match()函数进行匹配
if(preg_match($pattern, $subject, $matches)) {
echo "搜索到的URL为：".$matches[0]."<br>"; //数组中第一个元素保存全部匹配结果
echo "URL中的协议为：".$matches[1]."<br>"; //数组中第二个元素保存第一个子表达式
echo "URL中的主机为：".$matches[2]."<br>"; //数组中第三个元素保存第二个子表达式
echo "URL中的域名为：".$matches[3]."<br>"; //数组中第四个元素保存第三个子表达式
echo "URL中的顶域为：".$matches[4]."<br>"; //数组中第五个元素保存第四个子表达式
echo "URL中的文件为：".$matches[5]."<br>"; //数组中第六个元素保存第五个子表达式
} else {
echo "搜索失败！"; //如果和正则表达式没有匹配成功则输出
}
?>
- 函数preg_match_all() --执行全局正则表达式匹配
int preg_match_all(string $pattern ,string $subject ,array &$matches [, int $flags])
搜索subject中所有匹配pattern给定正则表达式 的匹配结果并且将它们以flag指定顺序输出到matches中. 参数flags是指定matches的数组格式。
<?php
//声明一个可以匹配URL的正则表达式
$pattern = '/(https?|ftps?):\/\/(www|bbs)\.([^\.\/]+)\.(com|net|org)(\/[\w-\.\/\?\%\&\=]*)?/i';
//声明一个包含多个URL链接地址的多行文字
$subject = "网址为http://www.baidu.com/index.php的位置是百度，
网址为http://www.google.com/index.php的位置是谷歌。";
$i = 1; //定义一个计数器，用来统计搜索到的结果数
//搜索全部的结果
if(preg_match_all($pattern, $subject, $matches, PREG_SET_ORDER)) {
foreach($matches as $urls) { //循环遍历二维数组$matches
echo "搜索到第".$i."个URL为：".$urls[0]."<br>";
echo "第".$i."个URL中的协议为：".$urls[1]."<br>";
echo "第".$i."个URL中的主机为：".$urls[2]."<br>";
echo "第".$i."个URL中的域名为：".$urls[3]."<br>";
echo "第".$i."个URL中的顶域为：".$urls[4]."<br>";
echo "第".$i."个URL中的文件为：".$urls[5]."<br>";
$i++; //计数器累加
}
} else {
echo "搜索失败！";
}
- 函数preg_grep() --返回匹配模式的数组条目
array preg_grep ( string $pattern , array $input [, int $flags = 0 ] )
返回给定数组input中与模式pattern 匹配的元素组成的数组。
<?php
$array = array("Linux RedHat9.0", "Apache2.2.9", "MySQL5.0.51", "PHP5.2.6", "LAMP", "100");
//返回数组中以字母开始和以数字结束，并且没有空格的单元，赋给变量$version
$version = preg_grep("/^[a-zA-Z]+(\d|\.)+$/", $array);
print_r($version);
//输出：Array ( [1] => Apache2.2.9 [2] => MySQL5.0.51 [3] => PHP5.2.6 )
?>
- 其它子串处理函数：strstr()、strpos()、strrpos()、substr()
<?php
echo strstr("this is a test!", "test"); //输出test!
echo strstr("this is a test!", 115); //搜索 "s" 的ASCII值所代表的字符输出s is a test!
?>
获取URL中文件名的部分
<?php
/**
用于获取URL中的文件名部分
@param string $url 任何一个URL格式的字符串
@return string URL中的文件名称部分
*/
function getFileName($url) {
//获取URL字符串中最后一个“/”出现的位置，再加1则为文件名开始的位置
$location = strrpos($url, "/")+1;
//获取在URL中从$location位置取到结尾的子字符串
$fileName = substr($url, $location);
//返回获取到的文件名称
return $fileName;
}
//获取网页文件名index.php
echo getFileName("http://bbs.lampbrother.net/index.php");
//获取网页中图片名logo.gif
echo getFileName("http://bbs.lampbrother.com/images/Sharp/logo.gif");
//获取本地中的文件名php.ini
echo getFileName("file:///C:/WINDOWS/php.ini");
字符串的替换函数
- preg_replace —执行一个正则表达式的搜索和替换
mixed preg_replace ( mixed $pattern , mixed $replacement,mixed $subject [,int $limit = -1])
搜索subject中匹配pattern的部分, 以replacement进行替换.
<?php
//可以匹配所有HTML标记的开始和结束的正则表达式
$pattern = "/<[\/\!]*?[^<>]*?>/is";
//声明一个带有多个HTML标记的文本
$text = "这个文本中有<b>粗体</b>和<u>带有下画线</u>以及<i>斜体</i>
还有<font color='red' size='7'>带有颜色和字体大小</font>的标记";
//将所有HTML标记替换为空，即删除所有HTML标记
echo preg_replace($pattern, "", $text);
//通过第四个参数传入数字2，替换前两个HTML标记
echo preg_replace($pattern, "", $text, 2);
字符串的分割与连接
- preg_split — 通过一个正则表达式分隔字符串
array preg_split ( string $pattern , string $subject [, int $limit = -1 [, int $flags = 0 ]] )
通过一个正则表达式$pattern分隔给定字符串$subject。其中$limit是最大替换个数。
flags可以是任何下面标记的组合
PREG_SPLIT_NO_EMPTY：返回分隔后的非空部分
PREG_SPLIT_DELIM_CAPTURE：用于分隔的模式中的括号表达式将被捕获并返回.
PREG_SPLIT_OFFSET_CAPTURE：返回附加字符串偏移量
<?php
//按任意数量的空格和逗号分隔字符串，其中包含" ", \r, \t, \n and \f
$keywords = preg_split ("/[\s,]+/", "hypertext language, programming");
print_r($keywords);
//分割后输出Array ( [0] => hypertext [1] => language [2] => programming )
//将字符串分割成字符
$chars = preg_split('//', "lamp", -1, PREG_SPLIT_NO_EMPTY);
print_r($chars); //分割后输出Array ( [0] => l [1] => a [2] => m [3] => p )
//将字符串分割为匹配项及其偏移量
$chars = preg_split('/ /','hypertext language programming', -1,
PREG_SPLIT_OFFSET_CAPTURE);
print_r($chars);
/* 分割后输出:
Array ( [0] => Array ( [0] => hypertext [1] => 0 )
[1] => Array ( [0] => language [1] => 10 )
[2] => Array ( [0] => programming [1] => 19 ) ) */
Have a try
1．编写一个有效手机号码的正则表达式。
2．定义一个有效的时间正则表达式。
3．编写一个函数，使用正则替换方式能够实现清除字符串中的所有HTML标签。
4．将下面文件中的代码中所有的图片标签匹配出来，并以表格方式输出信息
<div class="clearfix goodsBox">
<a href="goods.php?id=24">
</a>
<a href="goods.php?id=25">
</a>
<a href="goods.php?id=26">
</a>
<a href="goods.php?id=27">
</a>
<a href="goods.php?id=28">
</a>
<a href="goods.php?id=29">
</a>
</div>
image.png
Paste_Image.png
使用php正则对表单数据验证，提示方式不限。
Paste_Image.png
