浅谈正则表达式-PHP为例

第一次比较系统的学习正则表达式，本篇文章以PHP语言为例来学习。

基本概念

　　正则表达式=普通字符（如a-z）+分隔符(正斜线(/)、hash符号(#) 以及取反符号(~))+特殊字符（称为元字符） 两者的组合；

      PHP的正则有两种：POSIX和PERL（PCRE Perl Compatible Regular Expression），后者PHP支持得更好

匹配原理

　　简单描述下，通常是由字符串位置0开始尝试匹配，若匹配成功存储这个子串；若在某一个位置匹配失败则后移一个位置，从位置1开始重新匹配。直到匹配成功或者匹配到最后一个位置都没有找到成功的子串。

匹配模式

　　看名字，是不是想到了设计模式中的单例模式了呢？

1. 贪婪模式

　　　　在可匹配与可不匹配的时候，优先匹配，比如量词用*或+

　　2. 懒惰模式

　　　　在可匹配与可不匹配的时候，优先不匹配，比如量词用？。  *? 在正则中代表非贪婪匹配模式，会尽量少的匹配字符，如果不加 ?就是贪婪模式，此时通配符会把所有字符都匹配掉

用途

1. 查找：检查一个串是否包含某个子串，而子串是符合正则表达式条件的子串，最后得到所有符合条件的子串集合
2. 替换：将上一条查找出来的子串替换成特定的字符串

正则分隔符

字符	说明	备注
/表达式/	一个完整的正则表达式的边界	若表达式内有/,需要用转义字符转义    $p="/ab//"
#表达式#	一个完整的正则表达式的边界2	若表达式内有#,需要用转义字符转义    $p="#ab/##"
~表达式~	一个完整的正则表达式的边界3	若表达式内有~,需要用转义字符转义    $p="~ab/#~~"
|表达式|	一个完整的正则表达式的边界4	若表达式内有|,需要用转义字符转义    $p="|ab/#~||"

 

元字符

边界定位符

字符	说明	备注
^开头,	用于子字符串的末尾，，表示子字符串必须出现在字符串的开头	见代码示例1
$结尾	用于子字符串的末尾，，表示子字符串必须出现在字符串的末尾，可以和^搭配使用
	匹配一个单词边界，匹配单词和空格之间的位置
B	匹配一个非单词边界，匹配单词和空格之间的位置

量词元字符

字符	说明（都是返回能得到的最长子串）	备注
*	0次或多次匹配前面的子表达式，	等价于{0,}
？	0次或1次匹配前面的子表达式	等价于{0,1}懒惰模式就用这个
+	1次或多次匹配前面的子表达式	等价于{1,}
{n}	n次匹配前面的子表达式
{n,}	大于等于n次匹配前面的子表达式
{,n}	小于等于n次匹配前面的自表达式
{n,m}	最少n次，最大m次，匹配前面的自表达式

普通元字符

字符	说明	备注
d	数字,等价于[0-9]	digit
D	非数字,等价于[^0-9]
w	匹配字母、数字、下划线，等价于[a-zA-z0-9_]	word
W	匹配非[^a-zA-z0-9_]
s	匹配任何空白字符（包括空格、制表符、换页符），等价于[ f v]	space
S	匹配任何非空白字符（包括空格、制表符、换页符），等价于[^ f v]
	转义字符
.	匹配除换行符（ ）之外的任何字符	当一个字符类的开始或末尾处使用点号时，只能成为普通的点号字符
[]	只能匹配一个字符，自带“或”的属性，后面可以跟修饰符。 方括号内，个别字符有不同的含义： 　　^仅在作为第一个字符(方括号内)时，表明字符类取反 　　- 标记字符范围 　　 转义字符
()	包含一个子表达式，要表达“或”需要“|”
|	开始一个可选分支

分组元字符

字符	说明	备注
()	将表达式括起来，与其他元字符配合使用

引用

字符	说明	备注
&	在替换字符串中，符号&代表整个正则表达式所匹配的字符串的内容	仅在替换时使用
(n=1,2...)	转移数字 代表索索字符串的第n个括号中正则表达式所匹配的字符串内容	查找、替换都能使用

各元字符的优先级

优先级	字符集	说明
1		转义
2	^wd等
3	(),[]
4	*,+,?,{}	两次
5	^,$	断言，位置
6	|	分组

PHP中正则相关的几个方法

1.preg_match($pattern, $subject, $matches); 

   用途：返回值是匹配成功的次数0或者1，在匹配到1次以后就会停止搜索

   参数：$pattern 为正则表达式；$subject为被搜索的字符串；$matches可选，存储匹配结果的数组，$matches[0]包含整个模式匹配的文本，$matches[1]为第一个括号中的子模式所匹配的文本，依次类推

   代码示例：

$subject = "abcdef";
$pattern = '/a(.*)(w)d/';
preg_match($pattern, $subject, $matches);
print_r($matches); 

　返回结果：

　　Array
　　(
　　　　[0] => abcd
　　　　[1] => b
　　　　[2] => c
　　)　　

2.preg_match_all($pattern, $subject, $matches,$flags]); 

　用途：循环获取一个列表的匹配结果数组。

　参数：$pattern 为正则表达式；$subject为被搜索的字符串；

　　　　$matches必选，存储匹配结果的多维数组

　　      $flags有多个值,int类型。

　　　　　　case: flag=1,PREG_PARTTERN_ORDER   默认值，$matches[0]存储的是全部模式匹配的数组，$matches[1]为第一个括号中的子模式所匹配的文本array，依次类推。

$p = "|<[^>]+>(.*?)</[^>]+>|i";
$str = "<b>example: </b><div align=left>this is a test</div>";
preg_match_all($p, $str, $matches,1);
print_r($matches);

运行结果：

Array
(
[0] => Array
(
[0] => <br>example: </br>
[1] =><div>this is a test</div>

)
[1] => Array
(
[0] => example: 
[1] => this is a test
)
)　　

　　　　　　case: flag=2，PREG_SET_ORDER ,$matches[0]存储的是第一括号里面模式匹配的所有数组，$matches[1]为第而括号里面模式匹配的所有数组，依次类推。

　　　代码示例：　

$p = "|<[^>]+>(.*?)</[^>]+>|i";
$str = "<b>example: </b><div align=left>this is a test</div>";
preg_match_all($p, $str, $matches,2);
print_r($matches);

　运行结果：

Array
(
[0] => Array
(
[0] => <br>example: </br>
[1] => example:
)

[1] => Array
(
[0] =><div>this is a test</div>

[1] => this is a test
)

)

3.preg_replace($pattern, $replacement, $string);　

   用途：找到一个字符串匹配的子串，并交换子串之间的位置。

   参数：第一个参数表示正则表达式；第二个参数表示新的位置，$1 表示所以父正则表达式list的每个元素的第一个子元素；第三个参数表示源字符串。

   返回：$string

$string = 'April 15, 2014;July 16, 2015';
$pattern = '/(w+) (d+), (d+)/i';
$replacement = '$3, ${1} $2';
preg_match_all($pattern,$string,$matches,2);
print_r($matches);
echo preg_replace($pattern, $replacement, $string); 

结果：

Array
(
[0] => Array
(
[0] => April 15, 2014
[1] => April
[2] => 15
[3] => 2014
)

[1] => Array
(
[0] => July 16, 2015
[1] => July
[2] => 16
[3] => 2015
)

)
2014, April 15;2015, July 16

常用示例

1.匹配邮箱：

  '/^[a-zA-z_-.]+@[a-zA-z_-.]+.[a-zA-z_-.]+$/'

或 '/^[w-.]+@[w-.]+.[w-.]+$/'

  tips:在中括号末尾的的. 是不需要转移字符的，而在中括号外的.就一定要记得加上转义

2. ^$间隔符加深理解：

$str="abcdae";
$p1='/^ab/';
$p2='/^a$/';
echo preg_match($p1,$str);//1
echo preg_match($p2,$str);//0

3.常用的一个注册页面的验证

　

$user = array(
    'name' => 'spark1985',
    'email' => 'spark@imooc.com',
    'mobile' => '13312345678'
);
//进行一般性验证
if (empty($user)) {
    die('用户信息不能为空');
}
if (strlen($user['name']) < 6) {
    die('用户名长度最少为6位');
}
//用户名必须为字母、数字与下划线
if (!preg_match('/^w+$/i', $user['name'])) {
    die('用户名不合法');
}
//验证邮箱格式是否正确
if (!preg_match('/^[w.]+@w+.w+$/i', $user['email'])) {
    die('邮箱不合法');
}
//手机号必须为11位数字，且为1开头
if (!preg_match('/^1d{10}$/i', $user['mobile'])) {
    die('手机号不合法');
}
echo '用户信息验证成功';