PHP中正则表达式详细说明

PHP中正则表达式详细说明

　　PHP继承*NIX的一贯传统，完全支持正规表达式的处理。正规表达式提供了一种高级的，但不直观的字符串匹配和处理的方法。用过PERL的正规表达式的朋友都知道，正规表达式的功能非常强大，但学起来不是那么容易。
　　比如：
　　
　　^.+@.+\..+$
　　
　　这段有效却难以理解的代码足够使一些程序员头痛（我就是）或者让他们放弃使用正规表达式。相信当你读完这个教程后，就可以理解这段代码的含义了。
　　
　　基本模式匹配
　　
　　一切从最基本的开始。模式，是正规表达式最基本的元素，它们是一组描述字符串特征的字符。模式可以很简单，由普通的字符串组成，也可以非常复杂，往往用特殊的字符表示一个范围内的字符、重复出现，或表示上下文。例如：
　　
　　^once
　　
　　这个模式包含一个特殊的字符^，表示该模式只匹配那些以once开头的字符串。例如该模式与字符串"once upon a time"匹配，与"There once was a man from NewYork"不匹配。正如如^符号表示开头一样，$符号用来匹配那些以给定模式结尾的字符串。
　　
　　bucket$
　　
　　这个模式与"Who kept all of this cash in a bucket"匹配，与"buckets"不匹配。字符^和$同时使用时，表示精确匹配（字符串与模式一样）。例如：
　　
　　^bucket$
　　
　　只匹配字符串"bucket"。如果一个模式不包括^和$，那么它与任何包含该模式的字符串匹配。例如：模式
　　
　　once
　　
　　与字符串
　　
　　There once was a man from NewYork
　　Who kept all of his cash in a bucket.
　　
　　是匹配的。
　　
　　在该模式中的字母(o-n-c-e)是字面的字符，也就是说，他们表示该字母本身，数字也是一样的。其他一些稍微复杂的字符，如标点符号和白字符（空格、制表符等），要用到转义序列。所有的转义序列都用反斜杠(\)打头。制表符的转义序列是：\t。所以如果我们要检测一个字符串是否以制表符开头，可以用这个模式：
　　
　　^\t
　　
　　类似的，用\n表示“新行”，表示回车。其他的特殊符号，可以用在前面加上反斜杠，如反斜杠本身用\表示，句号.用\.表示，以此类推。
　　
　　字符簇
　　
　　在INTERNET的程序中，正规表达式通常用来验证用户的输入。当用户提交一个FORM以后，要判断输入的电话号码、地址、EMAIL地址、信用卡号码等是否有效，用普通的基于字面的字符是不够的。
　　
　　所以要用一种更自由的描述我们要的模式的办法，它就是字符簇。要建立一个表示所有元音字符的字符簇，就把所有的元音字符放在一个方括号里：
　　
　　[AaEeIiOoUu]
　　
　　这个模式与任何元音字符匹配，但只能表示一个字符。用连字号可以表示一个字符的范围，如：
　　
　　[a-z] //匹配所有的小写字母
　　[A-Z] //匹配所有的大写字母
　　[a-zA-Z] //匹配所有的字母
　　[0-9] //匹配所有的数字
　　[0-9\.\-] //匹配所有的数字，句号和减号
　　[ \f \t\n] //匹配所有的白字符
　　
　　同样的，这些也只表示一个字符，这是一个非常重要的。如果要匹配一个由一个小写字母和一位数字组成的字符串，比如"z2"、"t6"或"g7"，但不是"ab2"、"r2d3" 或"b52"的话，用这个模式：
　　
　　^[a-z][0-9]$
　　
　　尽管[a-z]代表26个字母的范围，但在这里它只能与第一个字符是小写字母的字符串匹配。
　　
　　前面曾经提到^表示字符串的开头，但它还有另外一个含义。当在一组方括号里使用^是，它表示“非”或“排除”的意思，常常用来剔除某个字符。还用前面的例子，我们要求第一个字符不能是数字：
　　
　　^[^0-9][0-9]$
　　
　　这个模式与"&5"、"g7"及"-2"是匹配的，但与"12"、"66"是不匹配的。下面是几个排除特定字符的例子：
　　
　　[^a-z] //除了小写字母以外的所有字符
　　[^\/\^] //除了(\)(/)(^)之外的所有字符
　　[^"\'] //除了双引号(")和单引号(')之外的所有字符
　　
　　
　　特殊字符"." (点，句号)在正规表达式中用来表示除了“新行”之外的所有字符。所以模式"^.5$"与任何两个字符的、以数字5结尾和以其他非“新行”字符开头的字符串匹配。模式"."可以匹配任何字符串，除了空串和只包括一个“新行”的字符串。
　　
　　PHP的正规表达式有一些内置的通用字符簇，列表如下：
　　
　　字符簇 含义
　　[[:alpha:]] 任何字母
　　[[:digit:]] 任何数字
　　[[:alnum:]] 任何字母和数字
　　[[:space:]] 任何白字符
　　[[:upper:]] 任何大写字母
　　[[:lower:]] 任何小写字母
　　[[:punct:]] 任何标点符号
　　[[:xdigit:]] 任何16进制的数字，相当于[0-9a-fA-F]
　　
　　到现在为止，你已经知道如何去匹配一个字母或数字，但更多的情况下，可能要匹配一个单词或一组数字。一个单词有若干个字母组成，一组数字有若干个单数组成。跟在字符或字符簇后面的花括号({})用来确定前面的内容的重复出现的次数。
　　
　　字符簇 含义
　　^[a-zA-Z_]$ 所有的字母和下划线
　　^[[:alpha:]]$ 所有的单个字母的单词
　　^a$ 字母a
　　^a{4,4}$ aaaa
　　^a{2,4}$ aa,aaa或aaaa
　　^a{1,3}$ a,aa或aaa
　　^a{2,}$ 包含多于两个a的字符串
　　^a{2,} 如：aardvark和aaab，但apple不行
　　a{2,} 如：baad和aaa，但Nantucket不行
　　\t 至少一个制表符
　　. 至少一个字符
　　
　　这些例子描述了花括号的三种不同的用法。一个数字，的意思是“前面的字符或字符簇只出现x次”；一个数字加逗号，{x,}的意思是“前面的内容出现x 或更多的次数”；两个用逗号分隔的数字，{x,y}表示“前面的内容至少出现x次，但不超过y次”。我们可以把模式扩展到更多的单词或数字：
　　
　　^[a-zA-Z0-9_]{1,}$ //所有包含一个以上的字母、数字或下划线的字符串
　　^[0-9]{1,}$ //所有的正数
　　^\-{0,1}[0-9]{1,}$ //所有的整数
　　^\-{0,1}[0-9]{0,}\.{0,1}[0-9]{0,}$ //所有的小数
　　
　　最后一个例子不太好理解，是吗？这么看吧：与所有以一个可选的负号(\-{0,1})开头(^)、跟着0个或更多的数字([0-9]{0,})、和一个可选的小数点(\.{0,1})再跟上0个或多个数字([0-9]{0,})，并且没有其他任何东西($)。下面你将知道能够使用的更为简单的方法。
　　
　　特殊字符"?"与{0,1}是相等的，它们都代表着：“0个或1个前面的内容”或“前面的内容是可选的”。所以刚才的例子可以简化为：
　　
　　^\-?[0-9]{0,}\.?[0-9]{0,}$
　　
　　特殊字符"*"与{0,}是相等的，它们都代表着“0个或多个前面的内容”。最后，字符"+"与 {1,}是相等的，表示“1个或多个前面的内容”，所以上面的4个例子可以写成：
　　
　　^[a-zA-Z0-9_]+$ //所有包含一个以上的字母、数字或下划线的字符串
　　^[0-9]+$ //所有的正数
　　^\-?[0-9]+$ //所有的整数
　　^\-?[0-9]*\.?[0-9]*$ //所有的小数
　　
　　当然这并不能从技术上降低正规表达式的复杂性，但可以使它们更容易阅读。

正则表达式中的特殊字符

　　字符\
　　意义：对于字符，通常表示按字面意义，指出接着的字符为特殊字符，不作解释。
　　例如：/b/匹配字符’b’,通过在b 前面加一个反斜杠，也就是/\b/，则该字符变成特殊字符，表示
　　匹配一个单词的分界线。
　　或者：
　　对于几个字符，通常说明是特殊的，指出紧接着的字符不是特殊的，而应该按字面解释。
　　例如：*是一个特殊字符，匹配任意个字符(包括0个字符)；例如：/a*/意味匹配0个或多个a。为了匹配字面上的*，在a前面加一个反斜杠；例如：/a\*/匹配’a*’。
　　
　　字符^
　　意义：表示匹配的字符必须在最前边。
　　例如：/^A/不匹配"an A,"中的’A’，但匹配"An A."中最前面的’A’。
　　
　　字符$
　　意义：与^类似，匹配最末的字符。
　　例如：/t$/不匹配"eater"中的’t’，但匹配"eat"中的’t’。
　　
　　字符*
　　意义：匹配*前面的字符0次或n次。
　　例如:/bo*/匹配"A ghost booooed"中的’boooo’或"A bird warbled"中的’b’，但不匹配"Agoat g
　　runted"中的任何字符。
　　
　　字符+
　　意义：匹配+号前面的字符1次或n次。等价于{1,}。
　　例如：/a+/匹配"candy"中的’a’和"caaaaaaandy."中的所有’a’。
　　
　　字符?
　　意义：匹配?前面的字符0次或1次。
　　例如：/e?le?/匹配"angel"中的’el’和"angle."中的’le’。
　　
　　字符.
　　意义：(小数点)匹配除换行符外的所有单个的字符。
　　例如：/.n/匹配"nay, an apple is on the tree"中的’an’和’on’，但不匹配’nay’。
　　
　　
　　字符(x)
　　意义：匹配’x’并记录匹配的值。
　　例如：/(foo)/匹配和记录"foo bar."中的’foo’。匹配子串能被结果数组中的素[1], ...,[n] 返
　　回，或被RegExp对象的属性, ..., 返回。
　　
　　字符x│y
　　意义：匹配’x’或者’y’。
　　例如：/green│red/匹配"green apple"中的’green’和"red apple."中的’red’。
　　
　　字符{ n }
　　意义：这里的n是一个正整数。匹配前面的n个字符。
　　例如：/a{ 2 }/不匹配"candy,"中的’a’，但匹配"caandy," 中的所有’a’和"caaandy."中前面的两个’a’。
　　
　　字符{ n, }
　　意义：这里的n是一个正整数。匹配至少n个前面的字符。
　　例如：/a{ 2, }不匹配"candy"中的’a’，但匹配"caandy"中的所有’a’和"caaaaaaandy."中的所有’a’
　　
　　字符{ n,m }
　　意义：这里的n和m都是正整数。匹配至少n个最多m个前面的字符。
　　例如：/a{ 1,3 }/不匹配"cndy"中的任何字符，但匹配 "candy,"中的’a’，"caandy," 中的前面两个
　　’a’和"caaaaaaandy"中前面的三个’a’，注意：即使"caaaaaaandy" 中有很多个’a’，但只匹配前面的三 个’a’即"aaa"。
　　
　　字符[xyz]
　　意义：一字符列表，匹配列出中的任一字符。你可以通过连字符-指出一个字符范围。
　　例如：[abcd]跟[a-c]一样。它们匹配"brisket"中的’b’和"ache"中的’c’。
　　
　　字符[^xyz]
　　意义：一字符补集，也就是说，它匹配除了列出的字符外的所有东西。 你可以使用连字符-指出一 字符范围。
　　例如：[^abc]和[^a-c]等价，它们最早匹配"brisket"中的’r’和"chop."中的’h’。
　　
　　字符
　　意义：匹配一个空格(不要与b混淆)
　　
　　字符b
　　意义：匹配一个单词的分界线，比如一个空格(不要与混淆)
　　例如：/bnw/匹配"noonday"中的’no’，/wyb/匹配"possibly yesterday."中的’ly’。
　　
　　字符B
　　意义：匹配一个单词的非分界线
　　例如：/wBn/匹配"noonday"中的’on’，/yBw/匹配"possibly yesterday."中的’ye’。
　　
　　字符cX
　　意义：这里的X是一个控制字符。匹配一个字符串的控制字符。
　　例如：/cM/匹配一个字符串中的control-M。
　　
　　字符d
　　意义：匹配一个数字，等价于[0-9]。
　　例如：/d/或/[0-9]/匹配"B2 is the suite number."中的’2’。
　　
　　字符D
　　意义：匹配任何的非数字，等价于[^0-9]。
　　例如：/D/或/[^0-9]/匹配"B2 is the suite number."中的’B’。
　　
　　字符f
　　意义：匹配一个表单符
　　
　　字符n
　　意义：匹配一个换行符
　　
　　字符r
　　意义：匹配一个回车符
　　
　　字符s
　　意义：匹配一个单个white空格符，包括空格，tab，form feed，换行符，等价于[ fnrtv]。
　　例如：/sw*/匹配"foo bar."中的’ bar’。
　　
　　字符S
　　意义：匹配除white空格符以外的一个单个的字符，等价于[^ fnrtv]。
　　例如：/S/w*匹配"foo bar."中的’foo’。
　　
　　字符t
　　意义：匹配一个制表符
　　
　　字符v
　　意义：匹配一个顶头制表符
　　
　　字符w
　　意义：匹配所有的数字和字母以及下划线，等价于[A-Za-z0-9_]。
　　例如：/w/匹配"apple,"中的’a’，".28,"中的’5’和"3D."中的’3’。
　　
　　字符W
　　意义：匹配除数字、字母外及下划线外的其它字符，等价于[^A-Za-z0-9_]。
　　例如：/W/或者/[^$A-Za-z0-9_]/匹配"50%."中的’%’。
　　
　　字符n
　　意义：这里的n是一个正整数。匹配一个正则表达式的最后一个子串的n的值(计数左圆括号)。
　　
　　例如：/apple(,)sorange1/匹配"apple, orange, cherry, peach."中的’apple, orange’，下面有一个更加完整的例子。
　　注意：如果左圆括号中的数字比n指定的数字还小，则n取下一行的八进制escape作为描述。
　　
　　字符ooctal和xhex
　　意义：这里的ooctal是一个八进制的escape值，而xhex是一个十六进制的escape值，允许在一个正则表达式中嵌入ASCII码