[TOC] # 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 a~z、A~Z、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A~Z或a~z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  * 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。 ``` * 任何一个字符 元字符`.`匹配除换行符外任何一个字符。 相当于：[^\n](Unix系统)或[^\r\n](windows系统)。 例如： ``` /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  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](http://www.jb51.net/article/31450.htm) # 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"> <img src="images/111.jpg" alt="诺基亚5530"/></a><br /> <a href="goods.php?id=25"> <img src="images/222.jpg" alt="摩托罗拉M80"/></a><br /> <a href="goods.php?id=26"> <img src="images/333.jpg" alt="三星A50"/></a><br /> <a href="goods.php?id=27"> <img src="images/444.jpg" alt="诺基亚N97"/></a><br /> <a href="goods.php?id=28"> <img src="images/555.jpg" alt="LG5280"/></a><br /> <a href="goods.php?id=29"> <img src="images/666.jpg" alt="lenovoA38"/></a><br /> </div> ```  使用php正则对表单数据验证，提示方式不限。