PHP 正则的使用基础入门
程序员文章站
2022-07-02 19:42:50
我的正则入门，是起源于网上的一篇文章[1]，这篇文章由浅入深的阐述了正则使用的方法，我觉得是一个很好的入门材料，不过学成还是要靠个人，在使用的过程中，还是会不断地忘记，因此...
我的正则入门，是起源于网上的一篇文章[1]，这篇文章由浅入深的阐述了正则使用的方法，我觉得是一个很好的入门材料，不过学成还是要靠个人，在使用的过程中，还是会不断地忘记，因此反反复复的阅读了这篇文章有四五遍，对于其中一些比较困难的知识点，甚至要用很久才能消化，但是只要能见坚持着看完，你会发现自己对于正则的运用能力就会显著提高。
正则表达式：
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。
php中的正则函数：
php中有两套正则函数，两者功能差不多，分别为：
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；（posix的正则函数库，自php 5.3以后，就不在推荐使用，从php6以后，就将被移除）
由于posix正则即将推出历史舞台，并且pcre和perl的形式差不多，更利于我们在perl和php之间切换，所以这里重点介绍pcre正则的使用。
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。
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/”。
正则中重要的几个概念有：元字符、转义、模式单元（重复）、反义、引用和断言，这些概念都可以在文章[1]中轻松的理解和掌握。
常用的元字符(meta-character)：
元字符 说明
\a 匹配字符串串首的原子
\z 匹配字符串串尾的原子
\b 匹配单词的边界 /\bis/ 匹配头为is的字符串 /is\b/ 匹配尾为is的字符串 /\bis\b/ 定界
\b 匹配除单词边界之外的任意字符 /\bis/ 匹配单词“this”中的“is”
\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\t\v]
\s 匹配除空白字符以外任何一个字符；等价于[^\f\t\v]
\f 匹配一个换页符等价于 \x0c 或 \cl
匹配一个换行符；等价于 \x0a 或 \cj
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
模式修正符（pattern modifiers）：
模式修正符在忽略大小写、匹配多行中使用特别多，掌握了这一个修正符，往往能解决我们遇到的很多问题。
i －可同时匹配大小写字母
m －将字符串视为多行
s －将字符串视为单行，换行符做普通字符看待，使“.”匹配任何字符
x －模式中的空白忽略不计
u －匹配到最近的字符串
e －将替换的字符串作为表达使用
格式：/apple/i匹配“apple”或“apple”等，忽略大小写。 /i
pcre的模式单元：
//1 提取第一位的属性
/^\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/。
pcre正则表达式函数：
preg_match()和preg_match_all()
preg_quote()
preg_split()
preg_grep()
preg_replace()
函数的具体使用，我们可以通过php手册来找到，下面分享一些平时积累的正则表达式：
匹配action属性
$str = '<form name="adfa" action="asdf.bphp" target=""><form name="bbbb" action="http://www.bac.com/test.php" target="qwerqwerq"><form name="bbbb" action="http.php" target="qwerqwerq">';
$match = '';
preg_match_all('/\s+action=\"(?!http:)(.*?)\"\s/', $str, $match);
print_r($match);
在正则中使用回调函数
/**
* replace some string by callback function
*
*/
function callback_replace() {
$url = 'http://esfang.house.sina.com.cn';
$str = '<form name="adfa" action="asdf.bphp" target=""><form name="bbbb" action="http://www.bac.com/test.php" target="qwerqwerq"><form name="bbbb" action="http.php" target="qwerqwerq">';
$str = preg_replace ( '/(?<=\saction=\")(?!http:)(.*?)(?=\"\s)/e', 'search(\$url, \\1)', $str );
echo $str;
}
function search($url, $match){
return $url . '/' . $match;
}
带断言的正则匹配
$match = '';
$str = '<a href="">xxxxxx.com.cn</a> <b>bold font</b> <p>paragraph text</p>';
preg_match_all ( '/(?<=<(\w{1})>).*(?=<\/\1>)/', $str, $match );
echo "<br />匹配没有属性的html标签中的内容：";
print_r ( $match );
替换html源码中的地址
$form_html = preg_replace ( '/(?<=\saction=\"|\ssrc=\"|\shref=\")(?!http:|javascript)(.*?)(?=\"\s)/e', 'add_url(\$url, \'\\1\')', $form_html );
最后，正则工具虽然强大，但是从效率和编写时间上来讲，有的时候可能没有explode来的更直接，对于一些紧急或者要求不高的任务，简单、粗暴的方法也许更好。
而对于preg和ereg两个系列之间的执行效率，曾看到文章说preg要更快一点，具体由于使用ereg的时候并不多，而且也要推出历史舞台了，再加个个人更偏好于pcre的方式，所以笔者就不做比较了，熟悉的朋友可以发表下意见，谢谢。
参考资料：
1、正则表达式三十分钟入门
2、php ereg (英文版)
(中文版)
3、php正则函数
正则表达式：
用于描述字符排列和匹配模式的一种语法规则。它主要用于字符串的模式分割、匹配、查找及替换操作。
php中的正则函数：
php中有两套正则函数，两者功能差不多，分别为：
一套是由pcre（perl compatible regular expression）库提供的。使用“preg_”为前缀命名的函数；
一套由posix（portable operating system interface of unix ）扩展提供的。使用以“ereg_”为前缀命名的函数；（posix的正则函数库，自php 5.3以后，就不在推荐使用，从php6以后，就将被移除）
由于posix正则即将推出历史舞台，并且pcre和perl的形式差不多，更利于我们在perl和php之间切换，所以这里重点介绍pcre正则的使用。
pcre正则表达式
pcre全称为perl compatible regular expression，意思是perl兼容正则表达式。
在pcre中，通常将模式表达式（即正则表达式）包含在两个反斜线“/”之间，如“/apple/”。
正则中重要的几个概念有：元字符、转义、模式单元（重复）、反义、引用和断言，这些概念都可以在文章[1]中轻松的理解和掌握。
常用的元字符(meta-character)：
元字符 说明
\a 匹配字符串串首的原子
\z 匹配字符串串尾的原子
\b 匹配单词的边界 /\bis/ 匹配头为is的字符串 /is\b/ 匹配尾为is的字符串 /\bis\b/ 定界
\b 匹配除单词边界之外的任意字符 /\bis/ 匹配单词“this”中的“is”
\d 匹配一个数字；等价于[0-9]
\d 匹配除数字以外任何一个字符；等价于[^0-9]
\w 匹配一个英文字母、数字或下划线；等价于[0-9a-za-z_]
\w 匹配除英文字母、数字和下划线以外任何一个字符；等价于[^0-9a-za-z_]
\s 匹配一个空白字符；等价于[\f\t\v]
\s 匹配除空白字符以外任何一个字符；等价于[^\f\t\v]
\f 匹配一个换页符等价于 \x0c 或 \cl
匹配一个换行符；等价于 \x0a 或 \cj
匹配一个回车符等价于\x0d 或 \cm
\t 匹配一个制表符；等价于 \x09\或\cl
\v 匹配一个垂直制表符；等价于\x0b或\ck
\onn 匹配一个八进制数字
\xnn 匹配一个十六进制数字
\cc 匹配一个控制字符
模式修正符（pattern modifiers）：
模式修正符在忽略大小写、匹配多行中使用特别多，掌握了这一个修正符，往往能解决我们遇到的很多问题。
i －可同时匹配大小写字母
m －将字符串视为多行
s －将字符串视为单行，换行符做普通字符看待，使“.”匹配任何字符
x －模式中的空白忽略不计
u －匹配到最近的字符串
e －将替换的字符串作为表达使用
格式：/apple/i匹配“apple”或“apple”等，忽略大小写。 /i
pcre的模式单元：
//1 提取第一位的属性
/^\d{2} ([\w])\d{2}\\1\d{4}$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/。
pcre正则表达式函数：
preg_match()和preg_match_all()
preg_quote()
preg_split()
preg_grep()
preg_replace()
函数的具体使用，我们可以通过php手册来找到，下面分享一些平时积累的正则表达式：
匹配action属性
复制代码 代码如下:
$str = '<form name="adfa" action="asdf.bphp" target=""><form name="bbbb" action="http://www.bac.com/test.php" target="qwerqwerq"><form name="bbbb" action="http.php" target="qwerqwerq">';
$match = '';
preg_match_all('/\s+action=\"(?!http:)(.*?)\"\s/', $str, $match);
print_r($match);
在正则中使用回调函数
复制代码 代码如下:
/**
* replace some string by callback function
*
*/
function callback_replace() {
$url = 'http://esfang.house.sina.com.cn';
$str = '<form name="adfa" action="asdf.bphp" target=""><form name="bbbb" action="http://www.bac.com/test.php" target="qwerqwerq"><form name="bbbb" action="http.php" target="qwerqwerq">';
$str = preg_replace ( '/(?<=\saction=\")(?!http:)(.*?)(?=\"\s)/e', 'search(\$url, \\1)', $str );
echo $str;
}
function search($url, $match){
return $url . '/' . $match;
}
带断言的正则匹配
复制代码 代码如下:
$match = '';
$str = '<a href="">xxxxxx.com.cn</a> <b>bold font</b> <p>paragraph text</p>';
preg_match_all ( '/(?<=<(\w{1})>).*(?=<\/\1>)/', $str, $match );
echo "<br />匹配没有属性的html标签中的内容：";
print_r ( $match );
替换html源码中的地址
$form_html = preg_replace ( '/(?<=\saction=\"|\ssrc=\"|\shref=\")(?!http:|javascript)(.*?)(?=\"\s)/e', 'add_url(\$url, \'\\1\')', $form_html );
最后，正则工具虽然强大，但是从效率和编写时间上来讲，有的时候可能没有explode来的更直接，对于一些紧急或者要求不高的任务，简单、粗暴的方法也许更好。
而对于preg和ereg两个系列之间的执行效率，曾看到文章说preg要更快一点，具体由于使用ereg的时候并不多，而且也要推出历史舞台了，再加个个人更偏好于pcre的方式，所以笔者就不做比较了，熟悉的朋友可以发表下意见，谢谢。
参考资料：
1、正则表达式三十分钟入门
2、php ereg (英文版)
(中文版)
3、php正则函数