正则表达式

php 正则表达式

1. 普通字符

2. 非打印字符

3. 元字符(特殊字符)

所谓元字符，就是一些有特殊含义的字符，要在正则表达式模式中包含元字符以使其不具有特殊含义，必须使用反斜杠转义字符.

元字符说明

$  匹配输入字符串的结尾位置，要匹配$字符本身使用$


() 标记一个子表达式的开始和结束为止。要匹配这些字符，使用(和)

*  匹配前面的子字符串零次或多次。要匹配这个字符，使用*

+ 匹配前面的子字符串一次或多次。要匹配这个字符,使用+

? 匹配前面的子字符串零次或一次

. 匹配除换行符n之外的任何单字符

[ 标记一个中括号表达式的开始




^  匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合。要匹配 ^ 字符本身，请使用 ^

{


|

4. 元字符(特殊字符)

限定符有*或+或？或{n}或{n,}或{n,m}

实例：

*  匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。  
 
+  匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。  
 
?  匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。

{n}  n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。

{n,}  n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。

{n,m}  m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。　

正则表达式的语法

任何正则表达式都是由定界符号、原子、元字符、模式修正符四个部分组成

1. 定界符号

除了字母，数字和反斜杠 以外的所有字符均可以为定界符。上面的例子中，开头和末尾的两个斜线 / 便作为定界符，我们还可以利用其它字符来定义，例如 | |，{ }，# #等等，不过我们一般是使用斜线 / 作为定界符。

2. 原子

原子是正则表达式的最基本的组成单位，而且必须至少包含一个原子，正则表达式中可以单独使用的字符，就是原子。

使用时注意事项总结如下

1）原子包括所有打印字符和非打印字符，打印字符就是我们可以在屏幕上看到的字符例如abc等等，非打印字符就是我们看不到的字符，例如空格，回车等等。

2）. * + ? < ( < >，所有有意义的字符，如果想作为原子使用，必须统统使用 转义字符转义。

3）转义字符 可以将有意义的字符转为有意义的字符，例如 是元字符，代表匹配一个字符零到多次，但是 * 就代表了 这个字符。

4）另外转义字符还可以将没有意义的字符转成有意义的字符，例如 d 可以表示任意一个十进制数字。总结如下：

d：表示任意一个十进制的数字。
D：表示任意一个除数字以外的字符。
s：表示任意一个空白字符，如空格、回车、t、n
S：表示任意一个非空白
w：表示任意一个字，包括 a-z，A-Z，0-9，下划线_
W：表示任意一个非字，w 之外的任意一个字符

5）自定义原子表，定义一个中括号，表示匹配中括号中的任何一个内容，注意是任何一个。例如

正则表达式 “/[123]/” 和字符串 “abc2″可以匹配成功。
 正则表达式 “/[a-z]/” 和字符串 “x3″可以匹配成功。
 正则表达式 “/[1-3a-z]/” 和字符串 “x”可以匹配成功。

在这里[^]中括号里面写入^代表取反，表示除了原子表中的原子，但是^必须写在[]的第一个字符上。例如

[^a-z]代表除了a-z的所有字符
[^nt]代表除了换行和制表的所有字符

3.元字符

上面的例子中，* ？均为元字符。元字符就是用来修饰原子的字符，不可以单独出现。

例如 代表匹配前面的原子零到多次，但如果想匹配 ，则必须要加转义号 * 来表示

元字符总结分类如下

1）* 表示其前面的原子可以出现 0 至多次

2）+ 表示前面的原子可以出现 1 至多次，即至少一个原子

3）？ 表示前面的原子可以出现 0 次或 1 次

4）{ } 用于自己定义前面原子出现的次数，另外分为以下几种

{m}，m表示一个整数，则前面的数字必须出现m次
{m，n}，m，n表示两个整数，m<n，表示前面出现的原子最少出现 m 次，最多出现 n 次。
{m,} m表示一个整数，表示最少出现 m 次，最多无限
所以 * 可以表示为 {0,}，+ 可以表示为{1,}，? 表示为 {0,1}

5）. 默认情况下，表示除换行符外任意一个字符，和 * 组合表示可以匹配任意字符串，和 + 组合表示至少一个字符串

6）^ 直接在一个正则表达式的第一个字符出现，表示字符串必须以这个正则表达式开始，例如

^okay，表示字符串必须以 okay 开头

7）$ 直接在一个正则表达式的最后一个字符出现，则表示字符串必须以这个正则表达式结尾，例如

okay$，表示字符串必须以 okay 结尾。
注意：^okay$只是匹配一个okay字符，若要匹配 okay 开头okay结尾，则正则表达式可以写为 ^okay.*okay$

8）| 表示或的关系，它的优先级是最低的，最后考虑它的功能

9）b 表示一个边界，例如

字符串 this is island，那么 bisb 则可以匹配，它匹配的是中间的 is，is两边是有边界的。

10）B 表示一个非边界，例如

Bisb，则匹配第一个is，bisB则匹配第三个 is

11）（） 括号，重点，作用总结如下

（1）将括号里面的元素作为一个大原子使用.即作为一个整体使用，例(abc)+，可以匹配abcabc….
（2）改变优先级,加上括号可以提高其优先级别。
（3）作为子模式使用,正则表达式中添加括号相当于添加了子模式。全部匹配作为一个大模式，放到数组的第一个元素中，每个()是一个子模式按顺序放到数组的其它元素中去。

//在下面所说的 preg_match 方法中，结果会被赋值到 $arr 变量中，先匹配外层模式，再匹配内层模式。
$pattern="/(d{4}(W)d{2}Wd{2})s+(d{2}(W)d{2}Wd{2})s+(?:am|pm)/"; //正则表达式模式
$string="today is 2010/09/15 15:35:28 pm..."; //需要和上面模式字符串进行匹配的变量字符串
if(preg_match($pattern,$string,$arr)){
print_r($arr);
}

// 结果

Array
(
    [0] => 2010/09/15 15:35:28 pm
    [1] => 2010/09/15
    [2] => /
    [3] => 15:35:28
    [4] => :
)

（4）取消子模式
    就将它作为大原子或者改变优先级使用。
    只要在模式前面加一个 ?: 就可以取消子模式，例如
    
    (?:am|pm) #即不把（am|pm）作为一个子模式，直接将 am|pm 看做一个整体来使用。
 
（5）反向引用
    可以在模式中直接将子模式取出来，再作为正则表达式模式的一部分， 如果是在正则表达式像替换函数preg_replace函数中， 可以将子模式取出， 在被替换的字符串中使用
    1 取第一个子模式、 2取第二个子模式， …. 5 (注意是单引号还是双引号引起来的正则)
    “1” 在双引号引起来的正则，它是可以解释转义字符的，所以 1 必须要写成 1
    ‘1’ 在单引号引起来的正则中，则不会出现这种情况，1 仍然可以写成 1
    
$pattern="/d{4}(W)d{2}1d{2}s+d{2}(W)d{2}2d{2}s+(?:am|pm)/"; //正则表达式模式
$string="today is 2010/09/15 15:35:28 pm..."; //需要和上面模式字符串进行匹配的变量字符串
if(preg_match($pattern,$arr)){
 echo "正则表达式 <b>{$pattern} </b>和字符串 <b>{$string}</b> 匹配成功<br>";
 print_r($arr);
 echo '</pre>';
 }


在上面的例子中，因为(W)已经匹配了第一个斜杠/，它已经作为第一个子模式保存起来了，我们想继续使用这个匹配，我们就可以用 1 来表示，如果是单引号引起来的正则，则直接用 1 来表示就可以了，后面的 2 和它是同样的原理。

4. 模式修正符号

上面的例子中，最后 / 后面的 i u 即为模式修正符号。

1）就是几个字母
2）可以一次使用一个，每一个都具有一定的意义，也可以连续使用多个符号
3）放在最后面，是对整个正则表达式调优用的，也可以说是对正则表达式功能的扩展。
归类如下：

   i：表示在和模式进行匹配时不区分大小写

   m：将每一行字符视为新的一行，也就是换行符后任何一行都可以当做一个整体字符串，主要的影响就在于 ^ 号和 $ 号。
例如：

     $pattern = '/^abc/m'
     $string ='cde
     abcd
     efg'  #可以匹配成功，因为加入m之后，第二行的abcd也当做一行了，也算是以abc开头

   s：如果没有使用这个模式修正符号，那么 “.” 是不能当做换行符的，加入s，将字符串视为单行，那么 “.” 也就可以表示换行符了。
   x：模式中的空白忽略不计，注意是模式中的。

    $pattern = '/a b c/x'
    $string ='abc'  #可以匹配成功，因为加入x之后，a b c直接当做abc来看

e：正则表达式必须使用在 preg_replace 函数中使用
A：必须以正则表达式开头，也就相当于前面加了 ^
Z：必须以正则表达式结尾，相当于后面加了 $
U：取消贪婪模式，或者 .*? 也可以取消贪婪模式，不过两个同时使用时会导致相反的结果，相当于负负得正的影响，同时出现则会又开启了贪婪模式 。

常用的正则表达式

1）校验数字的表达式

1 数字：^[0-9]*$
2 n位的数字：^d{n}$
3 至少n位的数字：^d{n,}$
4 m-n位的数字：^d{m,n}$
5 零和非零开头的数字：^(0|[1-9][0-9]*)$
6 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$
7 带1-2位小数的正数或负数：^(-)?d+(.d{1,2})?$
8 正数、负数、和小数：^(-|+)?d+(.d+)?$
9 有两位小数的正实数：^[0-9]+(.[0-9]{2})?$
10 有1~3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$
11 非零的正整数：^[1-9]d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^+?[1-9][0-9]*$
12 非零的负整数：^-[1-9][]0-9″*$ 或 ^-[1-9]d*$
13 非负整数：^d+$ 或 ^[1-9]d*|0$
14 非正整数：^-[1-9]d*|0$ 或 ^((-d+)|(0+))$
15 非负浮点数：^d+(.d+)?$ 或 ^[1-9]d*.d*|0.d*[1-9]d*|0?.0+|0$
16 非正浮点数：^((-d+(.d+)?)|(0+(.0+)?))$ 或 ^(-([1-9]d*.d*|0.d*[1-9]d*))|0?.0+|0$
17 正浮点数：^[1-9]d*.d*|0.d*[1-9]d*$ 或 ^(([0-9]+.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*.[0-9]+)|([0-9]*[1-9][0-9]*))$
18 负浮点数：^-([1-9]d*.d*|0.d*[1-9]d*)$ 或 ^(-(([0-9]+.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19 浮点数：^(-?d+)(.d+)?$ 或 ^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0+|0)$

2) 校验字符的表达式

1 汉字：^[u4e00-u9fa5]{0,}$
2 英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
3 长度为3-20的所有字符：^.{3,20}$
4 由26个英文字母组成的字符串：^[A-Za-z]+$
5 由26个大写英文字母组成的字符串：^[A-Z]+$
6 由26个小写英文字母组成的字符串：^[a-z]+$
7 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
8 由数字、26个英文字母或者下划线组成的字符串：^w+$ 或 ^w{3,20}$
9 中文、英文、数字包括下划线：^[u4E00-u9FA5A-Za-z0-9_]+$
10 中文、英文、数字但不包括下划线等符号：^[u4E00-u9FA5A-Za-z0-9]+$ 或 ^[u4E00-u9FA5A-Za-z0-9]{2,20}$
11 可以输入含有^%&’,;=?$”等字符：[^%&’,;=?$x22]+
12 禁止输入含有~的字符：[^~x22]+

2) 特殊需求表达式

1 Email地址：^w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*$
2 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL：[a-zA-z]+://[^s]* 或 ^http://([w-]+.)+[w-]+(/[w-./?%&=]*)?$
4 手机号码：^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])d{8}$
5 电话号码(“XXX-XXXXXXX”、”XXXX-XXXXXXXX”、”XXX-XXXXXXX”、”XXX-XXXXXXXX”、”XXXXXXX”和”XXXXXXXX)：^((d{3,4}-)|d{3.4}-)?d{7,8}$
6 国内电话号码(0511-4405222、021-87888822)：d{3}-d{8}|d{4}-d{7}
7 身份证号(15位、18位数字)：^d{15}|d{18}$
8 短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或 ^d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
9 帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
10 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]w{5,17}$
11 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间)：^(?=.*d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
12 日期格式：^d{4}-d{1,2}-d{1,2}
13 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
14 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
15 钱的输入格式：
16 1.有四种钱的表示形式我们可以接受:”10000.00” 和 “10,000.00”,和没有 “分” 的 “10000” 和 “10,000”：^[1-9][0-9]*$
17 2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符”0″不通过,所以我们采用下面的形式：^(0|[1-9][0-9]*)$
18 3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9]*)$
19 4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分：^[0-9]+(.[0-9]+)?$
20 5.必须说明的是,小数点后面至少应该有1位数,所以”10.”是不通过的,但是 “10” 和 “10.2” 是通过的：^[0-9]+(.[0-9]{2})?$
21 6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：^[0-9]+(.[0-9]{1,2})?$
22 7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
23 8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,[0-9]{3})*)(.[0-9]{1,2})?$
24 备注：这就是最终结果了,别忘了”+”可以用”*”替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
25 xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+.[x|X][m|M][l|L]$
26 中文字符的正则表达式：[u4e00-u9fa5]
27 双字节字符：[^x00-xff] (包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ASCII字符计1))
28 空白行的正则表达式：ns*r (可以用来删除空白行)
29 HTML标记的正则表达式：<(S*?)[^>]*>.*?</1>|<.*? /> (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)
30 首尾空白字符的正则表达式：^s*|s*$或(^s*)|(s*$) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式)
31 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
32 中国邮政编码：[1-9]d{5}(?!d) (中国邮政编码为6位数字)
33 IP地址：d+.d+.d+.d+ (提取IP地址时有用)

通配符(lookarounds):断言某些字符串中某些字符的存在与否！

lookarounds分两种:lookaheads(正向预查 ?=)和lookbehinds(反向预查?<=)。

格式:

正向预查:(?=) 相对应的 (?!)表示否定意思
反向预查:(?<=) 相对应的 (?<!)表示否定意思

前后紧跟字符:
$regex = '/(?<=c)d(?=e)/';  //d 前面紧跟c,d 后面紧跟e
$str = 'abcdefgk';
$matches = array();
 
if(preg_match($regex,$str,$matches)){
    var_dump($matches);
}
 
否定意义:
$regex = '/(?<!c)d(?!e)/';  //d 前面不紧跟c,d 后面不紧跟e
$str = 'abcdefgk';
$matches = array();
 
if(preg_match($regex,$matches)){
    var_dump($matches);
}

避免捕获数据

格式:(?:pattern) 优点:将使有效反向引用数量保持在最小，代码更加、清楚。

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!