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 az、AZ、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AZ或az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
Paste_Image.png
- 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。
/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
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
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?。?; //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?。?;
}
- 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">
</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正則對表單數據驗證，提示方式不限。
Paste_Image.png
