正则表达式 (39)

8/31/2015来源:PHP技巧人气:2431

正则表达式 (39)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,正则表达式有三个作用:􀂾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。􀂙一个正则表达式中至少包含一个原子在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;􀂙使用正则表达式的原因之一,是在典型的搜索和替换操作中,只能对确切文字进行匹配,对象动态文本的搜索就有困难了,甚至是不可能的。正则表达式的语法规则PCRE正则表达式:􀂙PCRE全称为Perl Compatible Regular Expression,意思是Perl兼容正则表达式。􀂙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,实现相同的功能函数,使用PCRE库的效率略占优势。但是它们也有很多相同点。􀂙在PCRE中,通常将模式表达式(即正则表达式)包含在两个反斜线“/”之间,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。原子(Atom)原子是组成正则表达式的基本单位,在分析正则表达式时,应作为一个整体。􀂙原子字符包括所有的英文字母、数字、标点符号以及其他一些符号。原子也包括以下内容。􀂾单个字符、数字,如a-z,A-Z,0-9。􀂾模式单元,如(ABC)可以理解为由多个原子组成的大的原子。􀂾原子表,如[ABC]。􀂾重新使用的模式单元,如:\\1􀂾普通转义字符,如:\d,\D,\w􀂾转义元字符,如:\*,\.普通转义字符原子说明-----------------------------------------------------------------\d  匹配一个数字;等价于[0-9]\D  匹配除数字以外任何一个字符;等价于[^0-9]\w  匹配一个英文字母、数字或下划线;等价于[0-9a-zA-Z_]\W  匹配除英文字母、数字和下划线以外任何一个字符;等价于[^0-9a-zA-Z_]\s  匹配一个空白字符;等价于[\f\n\r\t\v]\S  匹配除空白字符以外任何一个字符;等价于[^\f\n\r\t\v]\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\cl\v  匹配一个垂直制表符;等价于\x0b或\ck\oNN  匹配一个八进制数字\xNN  匹配一个十六进制数字\cC  匹配一个控制字符元字符(Meta-character)元字符是用于构造规则表达式的具有特殊含义的字符。如果要在正则表达式中包含元字符本身,必须在其前加上”\”进行转义元字符说明-----------------------------------------------------------------*   0次、1次或多次匹配其前的原子+   1次或多次匹配其前的原子?  0次或1次匹配其前的原子|  匹配两个或多个选择^   或\A匹配字符串串首的原子$   或\Z 匹配字符串串尾的原子\b  匹配单词的边界\B  匹配除单词边界以外的部分[]  匹配方括号中的任一原子[^]  匹配除方括号中的原子外的任何字符{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,至少出现n次(n>m){m,}  表示其前原子出现不少于m次()  整体表示一个原子.  匹配除换行之外的任何一个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“$”分别指定字符串的开始和结束。􀂾例如,在字符串“Tom and Jerry chased each other in the house until tom’s uncelcome in”中􀂾元字符“^”或“\A”置于字符串的开始确保模式匹配出现在字符串首端;/^Tom/􀂾元字符“$”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”。􀂾例如:􀂄/^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”

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 veryold”􀂄/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/。