PHP中的正规表达式

Hunte
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”，\r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*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\r\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]

Hunte
确定重复出现

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:]]{ 3}＄ 所有的3个字母的单词
^a＄ 字母a
^a{ 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{ 2} 两个制表符
.{ 2} 所有的两个字符

这些例子描述了花括号的三种不同的用法。一个数字，{ x}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。