注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

冰魂's blog

关注网络技术.

 
 
 
 
 

日志

 
 

[教程]PHP正则表达式语法  

2011-09-07 04:10:09|  分类: [脚本编程] |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
正则表达式简介
在某些应用中,往往有时候需要根据一定的规则来匹配(查找)确认一些字符串,如要求用户输入的 QQ 号码为数字且至少 5 位。用于描述这些规则的工具就是正则表达式。 
 
最简单的匹配
最简单的匹配就是直接给定字符匹配。如用字符 a 去匹配 aabab ,则会匹配出 3 个结果,分别是字符串中的第 1,2 和第 4 个字符。这种匹配是最简单的情况,但往往实际处理中会复杂得多,如下面的 “QQ号码为数字且至少5位” ,其对应的正则表达式为: 
 
^\d{5,}$该正则表达式就描述需要确定的内容为至少 5 位以上的数字。我们来具体看看该表达式是怎么描述这一规则的: 
 
^:表示匹配字符串的开始,也即该字符串是独立的开始而不是包含在某个字符串之内 
\d:表示匹配数字 
{5,}:表示至少匹配5位及以上 
$:表示匹配字符串的结束,也即该字符串是独立的结束 
现在就很清楚了,该正则表达式综合起来就是匹配 5 位以上的连续数字,且有独立的开始和结束,对于少于 5 位的数字,或者不是以数字开始和结尾的如 a123456b 这样都是无效的。 
 
从该例子可以看出,正则表达式是从左至右描述的。 
 
同样,如果要匹配移动号码的正则表达式为: 
 
^1\d{10}$提示
由于对正则表达式的匹配结果,在很多情况下都不是那么确定,所以最好下载一些辅助工具用于测试正则表达式的匹配结果。这类工具如 Match Tracer、RegExBuilder 等,以及其他类似的工具也可。 
 
元字符
在上面的例子中,^ 、\d 及 $ 等这些符号,代表了特定的匹配意义,我们称之为元字符,常用的元字符如下: 
 
元字符 
说明
 
匹配除换行符意外的任意字符
 
\w                        匹配字母或数字或下划线
 
\s                         匹配任意的空白符
 
\d                         匹配数字
 
\b                         匹配单词的开始或结束
 
^                          匹配字符串的开始
 
$                          匹配字符串的结束
 
[x]                        匹配x字符,如匹配字符串中的 a、b 和 c 字符
 
\W                       \w的反义,即匹配任意非字母,数字,下划线和汉字的字符
 
\S                        \s的反义,即匹配任意非空白符的字符
 
\D                        \d的反义,即匹配任意非数字的字符
 
\B                         \b的反义,即不是单词开头或结束的位置
 
[^x]                      匹配除了 x 意外的任意字符,如 [^abc] 匹配除了 abc 这几个字母之外的任意字符
 
提示
1.当我们要匹配这些元字符的时候,我们需要用到字符转义功能,同样正则表达式里面用 \ 来表示转义,如要匹配 . 符号,则需要用 \. ,否则 . 会被解释成“除换行符外的任意字符”。当然,要匹配 \ ,则需要写成 \\ 
2.连续的数字或字母可以用 – 符号连接起来,如 匹配所有的小写字母,[1-5] 匹配 1 至 5 这 5 个数字 
 
重复
正则表达式的威力在于其能够在模式中包含选择和循环,正则表达式用一些重复规则来表达循环匹配。 
 
常用的重复如下: 
 
重复 
说明
 
*          重复零次或更多次
 
+          重复 1 次或更多次
 
?           重复零次或 1 次
 
{n}       重复 n 次
 
{n,}      重复 n 次或更多次
 
{n,m}   重复 n 到 m 次
 
分枝
分枝是指制定几个规则,如果满足任意一种规则,则都当作匹配成功。具体来说就是用 | 符号把各种规则分开,且条件从左至右匹配。 
 
提示
由于分枝规定,只要匹配成功,就不再对后面的条件加以匹配,所以如果你想匹配有包含关系的内容,请注意规则的顺序。 
 
下面是一个使用分枝的例子。 
 
美国的邮政编码的规则是 5 个数字或者 5 个数字连上 4 个数字,如 12345 或者 54321-1234 ,如果要匹配所有的邮编,则正确的正则表达式为: 
 
\d{5}-\d{4}|\d{5}
//错误写法
\d{5}|\d{5}-\d{4}下面的错误写法,只能匹配到 5 位数字及 9 位数字的前 5 位数字的情况,而不能匹配 9 位数字的邮编。 
 
分组
在正则表达式中,可以用小括号将一些规则括起来当作分组,分组可以作为一个元字符来看待。 
 
分组的例子,验证 IP 地址: 
 
(\d{1,3}\.){3}\d{1,3}这是一个简单的且不完善的匹配 IP 地址的正则表达式,因为它除了能匹配正确的 IP 地址外,还能匹配如 322.197.578.888 这种不存在的 IP 地址。 
 
当然,用这个表达式简单匹配成功后可以在利用 PHP 的算术比较再加以判断 IP 地址是否正确。而正则表达式中没有提供算术比较功能,如果要完全匹配正确的 IP 地址,则需要改进如下: 
 
((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)规则说明
该规则关键之处在于确定 IP 地址每一段范围为 0-255 ,然后再重复 4 次即可。在: 
 
25[0-5]|2[0-4]\d|[01]?\d\d?中,用分枝首先确定了 250-255 和 200-249 。 [01]?\d\d? 则确定了 0-199 的范围,综合起来就是 0-255 。 
 
贪婪与懒惰
正则表达式默认的情况下,会在满足匹配条件下尽可能的匹配更多内容。如 a.*b,用他来匹配 aabab ,它会匹配整个 aabab ,而不会只匹配到 aab 为止,这就是贪婪匹配。 
 
与贪婪匹配对应的是,在满足匹配条件的情况下尽可能的匹配更少的内容,这就是懒惰匹配。 
 
上述例子对应的懒惰匹配规则为: 
 
a.*?b如果用该表达式去匹配 aabab ,那么就会得到 aab 和 ab 这样两个匹配结果。 
 
常用的懒惰限定符如下: 
 
懒惰限定符 
说明
 
*?                  重复任意次,但尽可能少重复
 
+?                 重复 1 次或更多次,但尽可能少重复
 
??                  重复 0 次或 1 次,但尽可能少重复
 
{n,}              重复 n 次以上,但尽可能少重复
 
{n,m}           重复 n 到 m 次,但尽可能少重复
 
模式修正符
模式修正符是标记在整个正则表达式之外的,可以看着是对正则表达式的一些补充说明。 
 
常用的模式修正符如下: 
 
模式修正符 
说明
 
i                         模式中的字符将同时匹配大小写字母
 
m                       字符串视为多行
 
s                        将字符串视为单行,换行符作为普通字符
 
x                        将模式中的空白忽略
 
e                        preg_replace() 函数在替换字符串中对逆向引用作正常的替换,将其作为 PHP 代码求值,并用其结果来替换所搜索的字符串。 
 
A                        强制仅从目标字符串的开头开始匹配
 
D                        模式中的 $ 元字符仅匹配目标字符串的结尾
 
U                        匹配最近的字符串
 
u                        模式字符串被当成 UTF-8
  评论这张
 
阅读(91)| 评论(0)
推荐 转载

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017