PHP正则表达式 · p1p

* [正则表达式介绍](https://www.kancloud.cn/liuzhen153/tp5-demo/272905#_4) * [正则表达式简介](https://www.kancloud.cn/liuzhen153/tp5-demo/272905#_6) * [PHP中，正则表达式的三个作用：](https://www.kancloud.cn/liuzhen153/tp5-demo/272905#PHP_12) * [与Perl语言兼容的正则表达式处理函数](https://www.kancloud.cn/liuzhen153/tp5-demo/272905#Perl_30) * [正则表达式的语法规则](https://www.kancloud.cn/liuzhen153/tp5-demo/272905#_41) * [定界符](https://www.kancloud.cn/liuzhen153/tp5-demo/272905#_59) * [原子](https://www.kancloud.cn/liuzhen153/tp5-demo/272905#_70) * [元字符](https://www.kancloud.cn/liuzhen153/tp5-demo/272905#_100) * [模式修正符](https://www.kancloud.cn/liuzhen153/tp5-demo/272905#_224) * [与Perl兼容的正则表达式函数](https://www.kancloud.cn/liuzhen153/tp5-demo/272905#Perl_233) * [子符串的匹配与查找函数](https://www.kancloud.cn/liuzhen153/tp5-demo/272905#_234) * [字符串的替换函数](https://www.kancloud.cn/liuzhen153/tp5-demo/272905#_335) * [字符串的分割与连接](https://www.kancloud.cn/liuzhen153/tp5-demo/272905#_358) # 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。 * // --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 ![](https://box.kancloud.cn/51ff01aec6545f08def71c6f9758e9cc_907x550.png) * 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](https://www.kancloud.cn/liuzhen153/tp5-demo/Unix%E7%B3%BB%E7%BB%9F)或[^\\r\\n](https://www.kancloud.cn/liuzhen153/tp5-demo/windows%E7%B3%BB%E7%BB%9F)。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]$/匹配比如“z2”、 “t6” 、“g7” /0[xX][0-9a-fA-F]/匹配一个简单的十六进制数字，如“0x9”。 /[^0-9a-zA-Z_]/匹配除英文字母、数字和下划线以外任何一个字符，其等价于\W。 /0?[ xX][0-9a-fA-F]+/匹配十六进制数字，可以匹配“0x9B3C”或者“X800”等。 /<[A-Za-z][A-Za-z0-9]*>/可以匹配“”、“<hl>”或“<Body>”等HTML标签，并且不严格的控制大小写。 ~~~ * 模式选择符元字符`|`又称模式选择符。在正则表达式中匹配两个或更多的选择之一。例如：在字符串“There are many apples and pears.”中， /apple|pear/在第一次运行时匹配“apple”；再次运行时匹配“ pear”。也可以继续增加选项，如： /apple|pear|banana|lemon/ * 模式单元元字符`（）`将其中的正则表达式变为原子（或称模式单元）使用。与数学表达式中的括号类似，“（）”可以做一个单元被单独使用。例如： ~~~ /(Dog)+/匹配的“Dog”、“DogDog”、“DogDogDog”,因为紧接着“+”前的原子是元字符“（）”括起来的字符串“Dog”。 /You (very )+ old/匹配“You very old”、“You very very old” /Hello (world|earth)/匹配“Hello world”、“Hello earth” ~~~ 一个模式单元中的表达式将被优先匹配或运算。 * 重新使用的模式单元系统自动将模式单元“（）”中的匹配依次存储起来，在需要时可以用`\1`、`\2`、`\3`的形式进行引用。当正则表达式包含有相同的模式单元时，这种方法非常便于对其进行管理。注意使用时需要写成“\\1”、“\\2” 例如： ~~~ /^\d{2}([\W])\d{2}\\1\d{4}$/ 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 ![](https://box.kancloud.cn/d4c162e4f1bcb3c473fe4fdde6d1040c_906x530.png) 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]." "; //数组中第一个元素保存全部匹配结果 echo "URL中的协议为：".$matches[1]." "; //数组中第二个元素保存第一个子表达式 echo "URL中的主机为：".$matches[2]." "; //数组中第三个元素保存第二个子表达式 echo "URL中的域名为：".$matches[3]." "; //数组中第四个元素保存第三个子表达式 echo "URL中的顶域为：".$matches[4]." "; //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]." "; //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]." "; echo "第".$i."个URL中的协议为：".$urls[1]." "; echo "第".$i."个URL中的主机为：".$urls[2]." "; echo "第".$i."个URL中的域名为：".$urls[3]." "; echo "第".$i."个URL中的顶域为：".$urls[4]." "; echo "第".$i."个URL中的文件为：".$urls[5]." "; $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 $text = "这个文本中有粗体和带有下画线以及斜体 还有带有颜色和字体大小的标记"; //将所有HTML标记替换为空，即删除所有HTML标记 echo preg_replace($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> <a href="goods.php?id=25"> <img src="images/222.jpg" alt="摩托罗拉M80"/></a> <a href="goods.php?id=26"> <img src="images/333.jpg" alt="三星A50"/></a> <a href="goods.php?id=27"> <img src="images/444.jpg" alt="诺基亚N97"/></a> <a href="goods.php?id=28"> <img src="images/555.jpg" alt="LG5280"/></a> <a href="goods.php?id=29"> <img src="images/666.jpg" alt="lenovoA38"/></a> </div> ~~~ ![Paste_Image.png](http://upload-images.jianshu.io/upload_images/4630996-2a5ace53d5ca125d.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240) 使用php正则对表单数据验证，提示方式不限。 ![Paste_Image.png](http://upload-images.jianshu.io/upload_images/4630996-d7c16d203b3c3970.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)