[TOC] # 正則表達式介紹 ###### 正則表達式簡介 正則表達式是用于描述字符排列和匹配模式的一種語法規則。它主要用于字符串的模式分割、匹配、查找及替換操作。到目前為止，我們前面所用過的精確（文本）匹配也是一種正則表達式。 在PHP中，正則表達式一般是由正規字符和一些特殊字符（類似于通配符）聯合構成的一個文本模式的程序性描述。 ###### PHP中，正則表達式的三個作用： * 匹配，也常常用于從字符串中析取信息。 * 用新文本代替匹配文本。 * 將一個字符串拆分為一組更小的信息塊。 在PHP中有兩套正則表達式函數庫，兩者功能相似，只是執行效率略有差異： * 一套是由PCRE（Perl Compatible Regular Expression）庫提供的。使用“preg_”為前綴命名的函數； * 一套由POSIX（Portable Operating System Interface of Unix ）擴展提供的。使用以“ereg_”為前綴命名的函數； PCRE來源于Perl語言，而Perl是對字符串操作功能最強大的語言之一，PHP的最初版本就是由Perl開發的產品。 PCRE語法支持更多特性，比POSIX語法更強大。 舉例：想一想這兩個正則表達式做什么用？ ``` /^-?\d+$|^-?0[xX][\da-fA-F]+$/ /^[0-9a-zA-Z_-]+@[0-9a-zA-Z_-]+(\.[0-9a-zA-Z_-]+){0,3}$/ ``` ###### 與Perl語言兼容的正則表達式處理函數 | 函數名 | 功能描述 | | --- | --- | |preg_match()|進行正則表達式匹配| |preg_match_all()|進行全局正則表達式匹配| |preg_replace()|執行正則表達式的搜索和替換| |preg_split()|用正則表達式分割字符串| |preg_grep()|返回與模式匹配的數組單元| |preg_replace_callback()|用回調函數執行正則表達式的搜索和替換| # 正則表達式的語法規則 正則表達式作為一個匹配的模版，是由原子（普通字符，例如字符a到z）、特殊字符（元字符，例如*、+和？等）、以及模式修正符三部分組成的文字模式。 一個最簡單正則表達式至少包含一個原子。 將下面的正則表達式拆分如下： ~~~ '/<a.*?(?:|\\t|\\r|\\n)?href=[\"]?(.+?)[\"]?(?:(?:|\\t|\\r|\\n)+.*?)?>(.+?)<\/a.*?>/sim' ~~~ 定界符：兩個斜線”/”。 原子用到了< a href = ‘ “ / >等普通字符和\t \r \n等轉義字符 元字符使用了 [] () | . ? * + 等具有特殊含義的字符 用到了模式修正符是在定界符最后一個斜線之后的三個字符: s i m ###### 定界符 在程序語言中，使用與Perl兼容的正則表達式，通常都需要將模式表達式放入定界符之間，如“/”。 作為定界符常使用反斜線“/”，如“/apple/”。用戶只要把需要匹配的模式內容放入定界符之間即可。作為定界的字符也不僅僅局限于“/”。除了字母、數字和斜線“\”以外的任何字符都可以作為定界符，像 ‘#’、’|’、’!’ 等都可以的。 * /<\/\w+>/ --使用反斜線作為定界符合法 * |(\d{3})-\d+|Sm --使用豎線”|”作為定界符合法 * !^(?i)php[34]! --使用豎線”!”作為定界符合法 * {^\s+(\s+)?$} --使用豎線”}”作為定界符合法 * /href=‘(.*)’ --非法定界符，缺少結束定界符 * 1-\d3-\d3-\d4| --非法定界符，缺少其實定界符 ###### 原子 原子是正則表達式的最基本的組成單元，而且在每個模式中最少要少包含一個原子。原子是由所有那些未顯示指定為元字符的打印和非打印字符組成，具體分為5類。 * 普通字符作為原子： 如 a~z、A~Z、0~9 等 * 一些特殊字符和轉義后元字符作為原子： 所有標點符號，但語句特殊意義的符號需要轉義后才可作為原子，如：\” \’ \* \+ \? \. 等 * 一些非打印字符作為原子： 如：\f \n \r \t \v \cx * 使用“通用字符類型”作為原子：如：\d \D \w \W \s \S。 * 自定義原子表([])作為原子：如：’/[apj]sp/’ ’/[^apj]sp/’ 正則表達式中常用的非打印字符 | 原子字符 | 含義描述 | | --- | --- | | \cx | 匹配由x指明的控制字符。如\cM匹配一個Control-M或回車符。x的值必須為A~Z或a~z之一 | | \f | 匹配一個換頁符。等價于 \x0c或\cL | | \n | 匹配一個換行符。等價于 \x0a或\cJ | | \r | 匹配一個回車符。等價于 \x0d或\cM | | \t | 匹配一個制表符。等價于 \x09或\cI | | \v | 匹配一個垂直制表符。等價于 \x0b或\cK | 正則表達式中常用的“通用字符類型” | 原子字符 | 描述含義 | | --- | --- | | \d | 匹配任意一個十進制數字，等價于[0-9] | | \D | 匹配任意一個除十進制數字以外的字符，等價于[^0-9] | | \s | 匹配任意一個空白符，等價于[\f\n\r\t\v] | | \S | 匹配除空白符以外任何字符，等價于[^\f\n\r\t\v] | | \w | 匹配任意一個數字、字母或下畫線，等價于[0-9a-zA-Z_] | | \W | 匹配一個除數字、字母或下畫線以外的任意一個字符，等價于[^0-9a-zA-Z_] | ###### 元字符  * 字符串邊界限制 在某些情況下，需要對匹配范圍進行限定，以獲得更準確的匹配結果。`^`和`$`分別指定字符串的開始和結束。 例如: ``` 在字符串Tom and Jerry chased each other in the house until tom’s uncel come in中 元字符“^”或“\A” 置于字符串的開始確保模式匹配出現在字符串首端； /^Tom/ 元字符“$”或“\Z” 置于字符串的結束，確保模式匹配出現字符串尾端。 /in$/ 如果不加邊界限制元字符，將獲得更多的匹配結果。 /^Tom$/精確匹配 /Tom/模糊匹配 ``` * 單詞邊界限制 在使用各種編輯軟件的查找功能時，可以通過選擇“按單詞查找”獲得更準確的結果。正則表達式中也提供類似的功能。 例如： ``` 在字符串“This island is a beautiful land”中 元字符`\b`對單詞的邊界進行匹配； /\bis\b/ 匹配單詞“is”，不匹配“This”和“island”。 /\bis 匹配單詞“is”和“island”中的“is”，不匹配“This” 元字符“\B”對除單詞邊界以外的部分進行匹配。 /\Bis\B/ 將明確的指示不與單詞的左、右邊界匹配，只匹配單詞的內部。所以在這個例子中沒有結果。 /\Bis 匹配單詞“This”中的“is” ``` * 重復匹配 正則表達式中有一些用于重復匹配某些原子的元字符：`?`、`*`、`+`。他們主要的區別是重復匹配的次數不同。 元字符“?”:表示0次或1次匹配緊接在其前的原子。 例如： ``` /colou?r/匹配“colour”或“color”。 ``` 元字符“*”:表示0次、1次或多次匹配緊接在其前的原子。 例如： ``` /zo*/可以匹配z、zoo ``` 元字符“+”:表示1次或多次匹配緊接在其前的原子。 例如： ``` /go+gle/匹配“gogle”、“google”或“gooogle”等中間含有多個o的字符串。 ``` * 任何一個字符 元字符`.`匹配除換行符外任何一個字符。 相當于：[^\n](Unix系統)或[^\r\n](windows系統)。 例如： ``` /pr.y/可以匹配的字符串“prey”、“pray”或“pr%y”等。 通常可以使用“.*”組合來匹配除換行符外的任何字符。在一些書籍中也稱其為“全匹配符” 或 “單含匹配符”。 /^a.*z$/表示可以匹配字母“a”開頭，字母“z”結束的任意不包括換行符的字符串。 /.+/ 也可以完成類似的匹配功能所不同的是其至少匹配一個字符。 /^a.+z$/ 匹配“a％z”不匹配字符串“az”。 ``` * 重復匹配 元字符`{ }`準確地指定原子重復的次數，指定所匹配的原子出現的次數。 “{m}” 表示其前原子恰好出現m次。 “{m，n}”表示其前原子至少出現m次，至多出現n次。 “{m，}” 表示其前原子出現不少于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” 開頭，“m”結束，中間至少為3個“o”的字符串。 /bo{0,1}u/ 可以匹配字符串“bought a butter” 中的“bou”和“bu”,等價于bo?u。 ``` * 原子表 －方括號表達式 原子表`[]`中存放一組原子，彼此地位平等，且僅匹配其中的一個原子。如果想匹配一個 ”a” 或 ”e” 使用 [ae]。 ``` 例如: Pr[ae]y 匹配 ”Pray” 或者 ”Prey ”。 ``` 原子表 `[^]` 或者稱為排除原子表，匹配除表內原子外的任意一個字符。 ``` 例如：/p[^u]/匹配“part”中的“pa”，但無法匹配“computer”中的“pu”因為“u”在匹配中被排除。 ``` 原子表`[-]`用于連接一組按ASCII碼順序排列的原子，簡化書寫。 ``` 例如：/x[0123456789]/可以寫成x[0-9],用來匹配一個由 “x” 字母與一個數字組成的字符串。 ``` 例如： ``` /[a-zA-Z]/匹配所有大小寫字母 /^[a-z][0-9]$/匹配比如“z2”、 “t6” 、“g7” /0[xX][0-9a-fA-F]/匹配一個簡單的十六進制數字，如“0x9”。 /[^0-9a-zA-Z_]/匹配除英文字母、數字和下劃線以外任何一個字符，其等價于\W。 /0?[ xX][0-9a-fA-F]+/匹配十六進制數字，可以匹配“0x9B3C”或者“X800”等。 /<[A-Za-z][A-Za-z0-9]*>/可以匹配“<P>”、“<hl>”或“<Body>”等HTML標簽，并且不嚴格的控制大小寫。 ``` * 模式選擇符 元字符`|`又稱模式選擇符。在正則表達式中匹配兩個或更多的選擇之一。 例如： 在字符串“There are many apples and pears.”中， /apple|pear/在第一次運行時匹配“apple”； 再次運行時匹配“ pear”。也可以繼續增加選項，如： /apple|pear|banana|lemon/ * 模式單元 元字符`（）`將其中的正則表達式變為原子（或稱模式單元）使用。與數學表達式中的括號類似，“（）”可以做一個單元被單獨使用。 例如： ``` /(Dog)+/匹配的“Dog”、“DogDog”、“DogDogDog”,因為緊接著“+”前的原子是元字符“（）”括起來的字符串“Dog”。 /You (very )+ old/匹配“You very old”、“You very very old” /Hello (world|earth)/匹配“Hello world”、“Hello earth” ``` 一個模式單元中的表達式將被優先匹配或運算。 * 重新使用的模式單元 系統自動將模式單元“（）”中的匹配依次存儲起來，在需要時可以用`\1`、`\2`、`\3`的形式進行引用。當正則表達式包含有相同的模式單元時，這種方法非常便于對其進行管理。注意使用時需要寫成“\\1”、“\\2” 例如： ``` /^\d{2}([\W])\d{2}\\1\d{4}$/ 匹配“12-31-2006”、“09/27/1996”、“86 01 4321”等字符串。 但上述正則表達式不匹配“12/34-5678”的格式。 這是因為模式“[\W]”的結果“/”已經被存儲。下個位置“\1”引用時，其匹配模式也是字符“/”。 當不需要存儲匹配結果時使用非存儲模式單元“（？：）” 例如/(?:a|b|c)(D|E|F)\\1g/ 將匹配“aEEg”。 在一些正則表達式中，使用非存儲模式單元是必要的。 否則，需要改變其后引用的順序。上例還可以寫成/（a|b|c）(C|E|F)\\2g/。 ``` ###### 模式修正符  貪婪匹配 匹配結果存在歧義時取長 懶惰匹配 匹配結果存在歧義時取短 U 懶惰匹配 i 忽略英文字母大小寫 x 忽略空白 例如[實例](http://www.jb51.net/article/31450.htm) # 與Perl兼容的正則表達式函數 ###### 子符串的匹配與查找函數 * 函數preg_match() --執行一個正則表達式匹配 int preg_match(string $pattern, string $subject[,array &$matches]) 搜索subject與pattern給定的正則表達式的一個匹配. ``` <?php //preg_match()函數實例 //一個用于匹配URL的正則表達式 $pattern = '/(https?|ftps?):\/\/(www)\.([^\.\/]+)\.(com|net|org)(\/[\w-\.\/\?\%\&\=]*)?/i'; //被搜索字符串 $subject = "網址為http://www.baidu.com/index.php的位置是百度首頁"; //使用preg_match()函數進行匹配 if(preg_match($pattern, $subject, $matches)) { echo "搜索到的URL為：".$matches[0]."<br>"; //數組中第一個元素保存全部匹配結果 echo "URL中的協議為：".$matches[1]."<br>"; //數組中第二個元素保存第一個子表達式 echo "URL中的主機為：".$matches[2]."<br>"; //數組中第三個元素保存第二個子表達式 echo "URL中的域名為：".$matches[3]."<br>"; //數組中第四個元素保存第三個子表達式 echo "URL中的頂域為：".$matches[4]."<br>"; //數組中第五個元素保存第四個子表達式 echo "URL中的文件為：".$matches[5]."<br>"; //數組中第六個元素保存第五個子表達式 } else { echo "搜索失敗！"; //如果和正則表達式沒有匹配成功則輸出 } ?> ``` * 函數preg_match_all() --執行全局正則表達式匹配 int preg_match_all(string $pattern ,string $subject ,array &$matches [, int $flags]) 搜索subject中所有匹配pattern給定正則表達式 的匹配結果并且將它們以flag指定順序輸出到matches中. 參數flags是指定matches的數組格式。 ``` <?php //聲明一個可以匹配URL的正則表達式 $pattern = '/(https?|ftps?):\/\/(www|bbs)\.([^\.\/]+)\.(com|net|org)(\/[\w-\.\/\?\%\&\=]*)?/i'; //聲明一個包含多個URL鏈接地址的多行文字 $subject = "網址為http://www.baidu.com/index.php的位置是百度， 網址為http://www.google.com/index.php的位置是谷歌。"; $i = 1; //定義一個計數器，用來統計搜索到的結果數 //搜索全部的結果 if(preg_match_all($pattern, $subject, $matches, PREG_SET_ORDER)) { foreach($matches as $urls) { //循環遍歷二維數組$matches echo "搜索到第".$i."個URL為：".$urls[0]."<br>"; echo "第".$i."個URL中的協議為：".$urls[1]."<br>"; echo "第".$i."個URL中的主機為：".$urls[2]."<br>"; echo "第".$i."個URL中的域名為：".$urls[3]."<br>"; echo "第".$i."個URL中的頂域為：".$urls[4]."<br>"; echo "第".$i."個URL中的文件為：".$urls[5]."<br>"; $i++; //計數器累加 } } else { echo "搜索失敗！"; } ``` * 函數preg_grep() --返回匹配模式的數組條目 array preg_grep ( string $pattern , array $input [, int $flags = 0 ] ) 返回給定數組input中與模式pattern 匹配的元素組成的數組。 ``` <?php $array = array("Linux RedHat9.0", "Apache2.2.9", "MySQL5.0.51", "PHP5.2.6", "LAMP", "100"); //返回數組中以字母開始和以數字結束，并且沒有空格的單元，賦給變量$version $version = preg_grep("/^[a-zA-Z]+(\d|\.)+$/", $array); print_r($version); //輸出：Array ( [1] => Apache2.2.9 [2] => MySQL5.0.51 [3] => PHP5.2.6 ) ?> ``` * 其它子串處理函數：strstr()、strpos()、strrpos()、substr() ``` <?php echo strstr("this is a test!", "test"); //輸出test! echo strstr("this is a test!", 115); //搜索 "s" 的ASCII值所代表的字符輸出s is a test! ?> ``` 獲取URL中文件名的部分 ``` <?php /** 用于獲取URL中的文件名部分 @param string $url 任何一個URL格式的字符串 @return string URL中的文件名稱部分 */ function getFileName($url) { //獲取URL字符串中最后一個“/”出現的位置，再加1則為文件名開始的位置 $location = strrpos($url, "/")+1; //獲取在URL中從$location位置取到結尾的子字符串 $fileName = substr($url, $location); //返回獲取到的文件名稱 return $fileName; } //獲取網頁文件名index.php echo getFileName("http://bbs.lampbrother.net/index.php"); //獲取網頁中圖片名logo.gif echo getFileName("http://bbs.lampbrother.com/images/Sharp/logo.gif"); //獲取本地中的文件名php.ini echo getFileName("file:///C:/WINDOWS/php.ini"); ``` ###### 字符串的替換函數 * preg_replace —執行一個正則表達式的搜索和替換 ``` mixed preg_replace ( mixed $pattern , mixed $replacement,mixed $subject [,int $limit = -1]) ``` 搜索subject中匹配pattern的部分, 以replacement進行替換. ``` <?php //可以匹配所有HTML標記的開始和結束的正則表達式 $pattern = "/<[\/\!]*?[^<>]*?>/is"; //聲明一個帶有多個HTML標記的文本 $text = "這個文本中有<b>粗體</b>和<u>帶有下畫線</u>以及<i>斜體</i> 還有<font color='red' size='7'>帶有顏色和字體大小</font>的標記"; //將所有HTML標記替換為空，即刪除所有HTML標記 echo preg_replace($pattern, "", $text); //通過第四個參數傳入數字2，替換前兩個HTML標記 echo preg_replace($pattern, "", $text, 2); ``` ###### 字符串的分割與連接 * preg_split — 通過一個正則表達式分隔字符串 ``` array preg_split ( string $pattern , string $subject [, int $limit = -1 [, int $flags = 0 ]] ) ``` 通過一個正則表達式$pattern分隔給定字符串$subject。其中$limit是最大替換個數。 flags可以是任何下面標記的組合 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號表達式將被捕獲并返回. PREG_SPLIT_OFFSET_CAPTURE：返回附加字符串偏移量 ``` <?php //按任意數量的空格和逗號分隔字符串，其中包含" ", \r, \t, \n and \f $keywords = preg_split ("/[\s,]+/", "hypertext language, programming"); print_r($keywords); //分割后輸出Array ( [0] => hypertext [1] => language [2] => programming ) //將字符串分割成字符 $chars = preg_split('//', "lamp", -1, PREG_SPLIT_NO_EMPTY); print_r($chars); //分割后輸出Array ( [0] => l [1] => a [2] => m [3] => p ) //將字符串分割為匹配項及其偏移量 $chars = preg_split('/ /','hypertext language programming', -1, PREG_SPLIT_OFFSET_CAPTURE); print_r($chars); /* 分割后輸出: Array ( [0] => Array ( [0] => hypertext [1] => 0 ) [1] => Array ( [0] => language [1] => 10 ) [2] => Array ( [0] => programming [1] => 19 ) ) */ ``` > Have a try 1．編寫一個有效手機號碼的正則表達式。 2．定義一個有效的時間正則表達式。 3．編寫一個函數，使用正則替換方式能夠實現清除字符串中的所有HTML標簽。 4．將下面文件中的代碼中所有的圖片標簽匹配出來，并以表格方式輸出信息 ``` <div class="clearfix goodsBox"> <a href="goods.php?id=24"> <img src="images/111.jpg" alt="諾基亞5530"/></a><br /> <a href="goods.php?id=25"> <img src="images/222.jpg" alt="摩托羅拉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="諾基亞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正則對表單數據驗證，提示方式不限。