正则表达式简介

^d{5,}$

^1d{10}$

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
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]?dd?).){3}(25[0-5]|2[0-4]d|[01]?dd?)

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]?dd?

中，用分枝首先确定了 250-255 和 200-249 。 [01]?dd? 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

*?	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
重复 n 次以上，但尽可能少重复
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

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

正则表达式在 PHP 中的应用

在 PHP 应用中，正则表达式主要用于：

• 正则匹配：根据正则表达式匹配相应的内容
• 正则替换：根据正则表达式匹配内容并替换
• 正则分割：根据正则表达式分割字符串

在 PHP 中有两类正则表达式函数，一类是 Perl 兼容正则表达式函数，一类是 POSIX 扩展正则表达式函数。二者差别不大，而且推荐使用Perl 兼容正则表达式函数，因此下文都是以 Perl 兼容正则表达式函数为例子说明。

定界符

Perl 兼容模式的正则表达式函数，其正则表达式需要写在定界符中。任何不是字母、数字或反斜线（）的字符都可以作为定界符，通常我们使用 / 作为定界符。具体使用见下面的例子。

尽管正则表达式功能非常强大，但如果用普通字符串处理函数能完成的，就尽量不要用正则表达式函数，因为正则表达式效率会低得多。关于普通字符串处理函数，请参见《PHP 字符串处理》。

preg_match()

preg_match() 函数用于进行正则表达式匹配，成功返回 1 ，否则返回 0 。

语法：

int preg_match( string pattern,string subject [,array matches ] )

参数说明：

参数	pattern	正则表达式
subject	需要匹配检索的对象
matches	可选，存储匹配结果的数组， $matches[0] 将包含与整个模式匹配的文本，$matches[1] 将包含与第一个捕获的括号中的子模式所匹配的文本，以此类推

例子 1 ：

<?php
if(preg_match("/php/i","PHP is the web scripting language of choice.",$matches)){
    print "A match was found:". $matches[0];
} else {
    print "A match was not found.";
}
?>

浏览器输出：

A match was found: PHP

在该例子中，由于使用了 i 修正符，因此会不区分大小写去文本中匹配 php 。

preg_match() 第一次匹配成功后就会停止匹配，如果要实现全部结果的匹配，即搜索到subject结尾处，则需使用 preg_match_all() 函数。

例子 2 ，从一个 URL 中取得主机域名 ：

<?php
// 从 URL 中取得主机名
preg_match("/^(http://)?([^/]+)/i","http://www.5idev.com/index.html",$matches);
$host = $matches[2];
// 从主机名中取得后面两段
preg_match("/[^./]+.[^./]+$/",$host,$matches);
echo "域名为：{$matches[0]}";
?>

域名为：5idev.com

preg_match_all()

preg_match_all() 函数用于进行正则表达式全局匹配，成功返回整个模式匹配的次数（可能为零），如果出错返回 FALSE 。

int preg_match_all( string pattern,string subject,array matches [,int flags ] )

存储匹配结果的数组

flags

可选，指定匹配结果放入 matches 中的顺序，可供选择的标记有： PREG_PATTERN_ORDER：默认，对结果排序使 $matches[0] 为全部模式匹配的数组，$matches[1] 为第一个括号中的子模式所匹配的字符串组成的数组，以此类推 PREG_SET_ORDER：对结果排序使 $matches[0] 为第一组匹配项的数组，$matches[1] 为第二组匹配项的数组，以此类推 PREG_OFFSET_CAPTURE：如果设定本标记，对每个出现的匹配结果也同时返回其附属的字符串偏移量

下面的例子演示了将文本中所有 <pre></pre> 标签内的关键字（php）显示为红色。

<?php
$str = "<pre>学习php是一件快乐的事。</pre><pre>所有的phper需要共同努力！</pre>";
$kw = "php";
preg_match_all('/<pre>([sS]*?)</pre>/',$str,$mat);
for($i=0;$i<count($mat[0]);$i++){
    $mat[0][$i] = $mat[1][$i];
    $mat[0][$i] = str_replace($kw,'<span style="color:#ff0000">'.$kw.'</span>',$mat[0][$i]);
    $str = str_replace($mat[1][$i],$mat[0][$i],$str);
}
echo $str;
?>

正则匹配中文汉字

正则匹配中文汉字根据页面编码不同而略有区别：

• GBK/GB2312编码：[x80-xff]+ 或 [xa1-xff]+
• UTF-8编码：[x{4e00}-x{9fa5}]+/u

例子：

<?php
$str = "学习php是一件快乐的事。";
preg_match_all("/[x80-xff]+/",$match);
//UTF-8 使用：
//preg_match_all("/[x{4e00}-x{9fa5}]+/u",$match);
print_r($match);
?>

输出：

Array
(
    [0] => Array
        (
            [0] => 学习
            [1] => 是一件快乐的事。
        )
 
)

正则替换

preg_replace() 函数用于正则表达式的搜索和替换。

mixed preg_replace( mixed pattern,mixed replacement,mixed subject [,int limit ] )

replacement

替换的内容
需要匹配替换的对象
limit	可选，指定替换的个数，如果省略 limit 或者其值为 -1，则所有的匹配项都会被替换

补充说明

1. replacement 可以包含 n 形式或 $n 形式的逆向引用，首选使用后者。每个此种引用将被替换为与第 n 个被捕获的括号内的子模式所匹配的文本。n 可以从 0 到 99，其中 或 $0 指的是被整个模式所匹配的文本。对左圆括号从左到右计数（从 1 开始）以取得子模式的数目。
2. 对替换模式在一个逆向引用后面紧接着一个数字时（如 11），不能使用 符号来表示逆向引用。因为这样将会使 preg_replace() 搞不清楚是想要一个 1 的逆向引用后面跟着一个数字 1 还是一个 11 的逆向引用。解决方法是使用 ${1}1。这会形成一个隔离的 $1 逆向引用，而使另一个 1 只是单纯的文字。
3. 上述参数除 limit 外都可以是一个数组。如果 pattern 和 replacement 都是数组，将以其键名在数组中出现的顺序来进行处理，这不一定和索引的数字顺序相同。如果使用索引来标识哪个 pattern 将被哪个 replacement 来替换，应该在调用 preg_replace() 之前用 ksort() 函数对数组进行排序。

<?php $str = "The quick brown fox jumped over the lazy dog."; $str = preg_replace('/s/','-',$str); echo $str; ?>

输出结果为：

The-quick-brown-fox-jumped-over-the-lazy-dog.

例子 2 ，使用数组：

<?php
$str = "The quick brown fox jumped over the lazy dog.";

$patterns[0] = "/quick/";
$patterns[1] = "/brown/";
$patterns[2] = "/fox/";

$replacements[2] = "bear";
$replacements[1] = "black";
$replacements[0] = "slow";

print preg_replace($patterns,$replacements,$str);
/*输出：
The bear black slow jumped over the lazy dog.
*/
ksort($replacements);
print preg_replace($patterns,$str);
/*输出：
The slow black bear jumped over the lazy dog.
*/
?>

例子 3 ，使用逆向引用：

<?php
$str = '<a href="http://www.5idev.com/">5idev</a>其他字符<a href="http://www.sohu.com/">sohu</a>';
$pattern = "/<as([sS]*?)>([sS]*?)</a>/i";
print preg_replace($pattern,'2',$str);
?>

5idev其他字符sohu

该例子演示了将文本中所有的 <a></a> 标签去掉。

preg_split()

preg_ split() 函数用于正则表达式分割字符串。

array preg_split( string pattern,int limit [,int flags]] )

返回一个数组，包含 subject 中沿着与 pattern 匹配的边界所分割的子串。

需要匹配分割的对象

可选，如果指定了 limit ，则最多返回 limit 个子串，如果 limit 是 -1，则意味着没有限制，可以用来继续指定可选参数 flags

设定 limit 为 -1 后可选，可以是下列标记的任意组合（用按位或运算符 | 组合）： PREG_SPLIT_NO_EMPTY：preg_split() 只返回非空的成分 PREG_SPLIT_DELIM_CAPTURE：定界符模式中的括号表达式也会被捕获并返回 PREG_SPLIT_OFFSET_CAPTURE：对每个出现的匹配结果也同时返回其附属的字符串偏移量。注意这改变了返回的数组的值，使其中的每个单元也是一个数组，其中第一项为匹配字符串，第二项为其在 subject 中的偏移量。

<?php $str = "php mysql,apache ajax"; $keywords = preg_split("/[s,]+/",$str); print_r($keywords); ?>

Array ( [0] => php [1] => mysql [2] => apache [3] => ajax )

例子 2 ：

<?php
$str = 'string';
$chars = preg_split('//',-1,PREG_SPLIT_NO_EMPTY);
print_r($chars);
?>

( [0] => s [1] => t [2] => r [3] => i [4] => n [5] => g )

例子 3 ：

Array
(
    [0] => Array
        (
            [0] => php
            [1] => 0
        )
 
    [1] => Array
        (
            [0] => mysql
            [1] => 4
        )
 
    [2] => Array
        (
            [0] => apache
            [1] => 10
        )
 
    [3] => Array
        (
            [0] => ajax
            [1] => 17
        )
)

split()

split() 函数同 preg_split() 类似，用正则表达式将字符串分割到数组中，返回一个数组，但推荐使用 preg_split() 。

array split( string pattern,string string [,int limit] )

如果设定了 limit ，则返回的数组最多包含 limit 个单元，而其中最后一个单元包含了 string 中剩余的所有部分。如果出错，则返回 FALSE。

<?php $date = "2008-08-08 20:00:01"; print_r( split('[- :]',$date) ); ?>

输出结果：

Array
(
    [0] => 2008
    [1] => 08
    [2] => 08
    [3] => 20
    [4] => 00
    [5] => 01
)

提示

1. 如果不需要正则表达式的功能，可以选择使用更快（也更简单）的替代函数如explode()或str_split()。
2. split() 函数对大小写敏感，如果在匹配字母字符时忽略大小写的区别，请使用用法相同的 spliti() 函数

本文整理了常用的正则表达式以供参考，尽管以下正则表达式已经一一经过验证，但难免有所纰漏，大家在使用时还需要仔细验证。

表单验证匹配

验证账号，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}$

验证账号，不能为空，不能有空格，只能是英文字母：^S+[a-z A-Z]$

验证账号，不能有空格，不能非数字：^d+$

验证用户密码，以字母开头，长度在 6-18 之间：^[a-zA-Z]w{5,17}$

验证是否含有 ^%&',;=?$ 等字符：[^%&',;=?$x22]+

匹配Email地址：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*

匹配腾讯QQ号：[1-9][0-9]{4,}

匹配日期，只能是 2004-10-22 格式：^d{4}-d{1,2}-d{1,2}$

匹配国内电话号码：^d{3}-d{8}|d{4}-d{7,8}$
评注：匹配形式如 010-12345678 或 0571-12345678 或 0831-1234567

匹配中国邮政编码：^[1-9]d{5}(?!d)$

匹配身份证：d{14}(d{4}|(d{3}[xX])|d{1})
评注：中国的身份证为 15 位或 18 位

不能为空且二十字节以上：^[s|S]{20,}$

字符匹配

匹配由 26 个英文字母组成的字符串：^[A-Za-z]+$

匹配由 26 个大写英文字母组成的字符串：^[A-Z]+$

匹配由 26 个小写英文字母组成的字符串：^[a-z]+$

匹配由数字和 26 个英文字母组成的字符串：^[A-Za-z0-9]+$

匹配由数字、26个英文字母或者下划线组成的字符串：^w+$

匹配空行：n[s| ]*r

匹配任何内容：[sS]*

匹配中文字符：[x80-xff]+ 或者 [xa1-xff]+

只能输入汉字：^[x80-xff],{0,}$

匹配双字节字符(包括汉字在内)：[^x00-xff]

匹配数字

只能输入数字：^[0-9]*$

只能输入n位的数字：^d{n}$

只能输入至少n位数字：^d{n,宋体"> 只能输入m-n位的数字：^d{m,n}$

匹配正整数：^[1-9]d*$

匹配负整数：^-[1-9]d*$

匹配整数：^-?[1-9]d*$

匹配非负整数（正整数 + 0）：^[1-9]d*|0$

匹配非正整数（负整数 + 0）：^-[1-9]d*|0$

匹配正浮点数：^[1-9]d*.d*|0.d*[1-9]d*$

匹配负浮点数：^-([1-9]d*.d*|0.d*[1-9]d*)$

匹配浮点数：^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0+|0)$

匹配非负浮点数（正浮点数 + 0）：^[1-9]d*.d*|0.d*[1-9]d*|0?.0+|0$

匹配非正浮点数（负浮点数 + 0）：^(-([1-9]d*.d*|0.d*[1-9]d*))|0?.0+|0$

其他

匹配HTML标记的正则表达式（无法匹配嵌套标签）：<(S*?)[^>]*>.*?</1>|<.*? />

匹配网址 URL ：[a-zA-z]+://[^s]*

匹配 IP 地址：((25[0-5]|2[0-4]d|[01]?dd?).){3}(25[0-5]|2[0-4]d|[01]?dd?)

匹配完整域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+.?

上述正则表达式通常都加了 ^ 与 $ 来限定字符的起始和结束，如果需要匹配的内容包括在字符串当中，可能需要考虑去掉 ^ 和 $ 限定符。

以上正则表达式仅供参考，使用时请检验后再使用