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.
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]

案例汇总

1、PHP中文匹配

<?php
$str = "PHP编程";
if (preg_match("/([0-9a-zA-Z\x{4e00}-\x{9fa5}]+)/u",$str, $matches)) {
    var_dump($matches);
    echo "\n";
}
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • 关于PCRE的介绍以及实现正则表达式功能的所有说明,都可以在官方手册中看到:正则表达式(兼容 Perl) 一、认识...
    拿破仑蛋糕阅读 1,625评论 0 1
  • 概述 正则表达式是一种描述字符串结果的语法规则,是一个特定的格式化模式,可以匹配、替换、截取匹配的字符串。常用的语...
    醉于麦田阅读 516评论 0 0
  • 正则表达式是对字符串进行操作的一种逻辑公式,就是用一些特定的字符组合成一个规则字符串,称之为正则匹配模式。 其中字...
    敬业福阅读 638评论 0 1
  • 正则表达式用处挺广的,主要用于处理字符串。 正则引擎 想要在计算机语言中使用正则表达式,那么这门计算机语言必须要利...
    菜刚RyuGou阅读 819评论 0 6
  • 1. PHP正则表达式(PCRE)定义 正则表达式是对字符串进行操作的一种逻辑公式,就是用一些特定的字符组合成一个...
    凌川江雪阅读 491评论 0 3