***PHP preg_match正则表达式的使用

第一,让我们看看两个特别的字符:‘^’和‘$’他们是分别用来匹配字符串的开始和结束,以下分别举例说明

"^The": 匹配以 "The"开头的字符串;

"of despair$": 匹配以 "of despair" 结尾的字符串;

"^abc$": 匹配以abc开头和以abc结尾的字符串,实际上是只有abc与之匹配;

"notice": 匹配包含notice的字符串;

你可以看见如果你没有用我们提到的两个字符(最后一个例子),就是说模式(正则表达式)可以出现在

被检验字符串的任何地方,你没有把他锁定到两边。


第二,这里还有几个字符‘*’,‘+’,和‘?’, 他们用来表示一个字符可以出现的次数或者顺序. 他们分别表

示:"zero or more", "one or more", and "zero or one." 这里是一些例子:

"ab*": 匹配字符串a和0个或者更多b组成的字符串("a", "ab", "abbb", etc.);

"ab+": 和上面一样,但最少有一个b ("ab", "abbb", etc.);

"ab?":匹配0个或者一个b;

"a?b+$": 匹配以一个或者0个a再加上一个以上的b结尾的字符串.


第三,在花括号中的逗号,表示‘到’,即前后跟数字, "{n,m}"表示“n到m”。


第四,你也可以在大括号{n}里面限制字符出现的个数,比如

"ab{2}": 匹配一个a后面跟两个b(一个也不能少)("abb");

"ab{2,}": 最少更两个b("abb", "abbbb", etc.);

"ab{2,5}": 2-5个b("abbb", "abbbb", or "abbbbb").

你还要注意到你必须总是指定 (i.e, "{0,2}", not "{,2}").同样,你必须注意到, '*', '+', 和'?' 分别和以下三

个范围标注是一样的,"{0,}", "{1,}", 和 "{0,1}"。


第五,现在把一定数量的字符放到小括号(x)里,比如:

"a(bc)*": 匹配 a 后面跟0个或者一个"bc";

"a(bc){1,5}": 一个到5个 "bc."


第六,还有一个字符‘|’相当于OR 操作:

"hi│hello": 匹配含有"hi" 或者 "hello" 的 字符串;

"(b│cd)ef": 匹配含有 "bef" 或者 "cdef"的字符串;

"(a│b)*c": 匹配含有这样 - 多个(包括0个)a或b,后面跟一个c的字符串 的字符串;


第七,一个点‘.’可以代表所有的单一字符:

"a.[0-9]": 一个a跟一个字符再跟一个数字的 (含有这样一个字符串的字符串将被匹配,以后省略此括号)

"^.{3}$": 以三个字符结尾.


第八,中括号[xxx]括住的内容只匹配一个单一的字符

"[ab]": 匹配单个的 a 或者 b ( 和 "a│b" 一样);

"[a-d]": 匹配'a' 到'd'的单个字符 (和"a│b│c│d" 还有 "[abcd]"效果一样);

"^[a-zA-Z]": 匹配以字母开头的字符串

"[0-9]%": 匹配含有 形如 x% 的字符串

",[a-zA-Z0-9]$": 匹配以逗号再加一个数字或字母结尾的字符串


第九,也可以把你不想要得字符列在中括号里,你只需要在中括号里面使用'^' 作为开头 (i.e., "%[^a-zA-

Z]%" 匹配含有 两个百分号里面有一个非字母 的字符串).


第十:注意,

1.        "^.[$()│*+?{\"中的字符作为有特殊意义的字符的时候,你必须在这些字符面前加''。

2.        在php3中你应该避免在模式的最前面使用\, 比如说,正则表达式 "(\$│?[0-9]+" 应该这样调用

ereg("(\\$│?[0-9]+", $str) (不知道php4是不是一样),但不要忘记在中括号里面的字符是这条规路的例

外:在中括号里面, 所有的特殊字符,包括'', 都将失去他们的特殊性质(i.e., "[*\+?{}.]"匹配含有这些字符

的字符串).

3.        还有,正如regx的手册告诉我们: "如果列表里含有], 最好把它作为列表里的第一个字符(可能跟在'^'

后面)。

4.        如果含有-, 最好把它放在最前面或者最后面, 或者一个范围的第二个结束点(i.e. [a-d-0-9]中间的-将

有效.


十一,为了完整, 我应该涉及到 collating sequences, character classes, 还有 equivalence classes. 但我在

这些方面不想讲的太详细, 这些在下面的文章中都不需要涉及到. 你们可以在regex man pages 那里得到更

多消息.


十二:例子,


1.        如何构建一个模式来匹配 货币数量 的输入?

构建一个匹配模式去检查输入的信息是否为一个表示money的数字。我们认为一个表示money的数量有四

种方式: "10000.00" 和 "10,000.00",或者没有小数部分, "10000" and "10,000". 现在让我们开始构建这

个匹配模式:

^[1-9][0-9]*$

这是说变量必须以非0的数字开头.但这也意味着 单一的 "0" 也不能通过测试. 以下是解决的方法:

^(0│[1-9][0-9]*)$

"只有0和不以0开头的数字与之匹配",我们也可以允许一个负号再数字之前:

^(0│-?[1-9][0-9]*)$

这就是: "0 或者 一个以0开头可能有一个负号在前面的数字." 好了, 好了现在让我们别那么严谨,允许以0

开头.现在让我们放弃 负号 , 因为我们在表示钱币的时候并不需要用到. 我们现在指定 模式 用来匹配小数

部分:

^[0-9]+(\.[0-9]+)?$

这暗示匹配的字符串必须最少以一个阿拉伯数字开头. 但是注意,在上面模式中 "10." 是不匹配的, 只有

"10" 和 "10.2" 才可以. (你知道为什么吗)

^[0-9]+(\.[0-9]{2})?$

我们上面指定小数点后面必须有两位小数.如果你认为这样太苛刻,你可以改成:

^[0-9]+(\.[0-9]{1,2})?$

这将允许小数点后面有一到两个字符. 现在我们加上用来增加可读性的逗号(每隔三位), 我们可以这样表

示:

^[0-9]{1,3}(,[0-9]{3})*(\.[0-9]{1,2})?$

不要忘记加号 '+' 可以被乘号 '*' 替代,如果你想允许空白字符串被输入话 (为什么?). 也不要忘记反斜杆 ‘\

’,在php字符串中可能会出现错误 (很普遍的错误). 现在,我们已经可以确认字符串了, 我们现在把所有逗

号都去掉 str_replace(",", "", $money) 然后在把类型看成 double然后我们就可以通过他做数学计算了.


2.        如何构造检查email的正则表达式?

我们继续讨论怎么验证一个email地址. 在一个完整的email地址中有三个部分: POP3 用户名 (在 '@' 左边的

一切), '@', 服务器名(就是剩下那部分). 用户名可以含有大小写字母阿拉伯数字,句号 ('.'), 减号('-'), 下划

线 ('_'). 服务器名字也是符合这个规则,当然下划线除外.

现在, 用户名的开始和结束都不能是句点. 服务器也是这样. 还有你不能有两个连续的句点他们之间至少存

在一个字符,好现在我们来看一下怎么为用户名写一个匹配模式:

^[_a-zA-Z0-9-]+$

现在还不能允许句号的存在. 我们把它加上:

^[_a-zA-Z0-9-]+(\.[_a-zA-Z0-9-]+)*$

上面的意思就是说: "以至少一个规范字符(除.意外)开头,后面跟着0个或者多个以点开始的字符串."简单

化一点, 我们可以用 eregi()取代 ereg()。eregi()对大小写不敏感, 我们就不需要指定两个范围 "a-z" 和 "A

-Z" – 只需要指定一个就可以了:

^[_a-z0-9-]+(\.[_a-z0-9-]+)*$

后面的服务器名字也是一样,但要去掉下划线:

^[a-z0-9-]+(\.[a-z0-9-]+)*$

Done. 现在只需要用”@”把两部分连接:

^[_a-z0-9-]+(\.[_a-z0-9-]+)*@[a-z0-9-]+(\.[a-z0-9-]+)*$

这就是完整的email认证匹配模式了,只需要调用

eregi(‘^[_a-z0-9-]+(\.[_a-z0-9-]+)*@[a-z0-9-]+(\.[a-z0-9-]+)*$ ’,$eamil)

就可以得到是否为email了。

3.        提取字符串

ereg() and eregi() 有一个特性是允许用户通过正则表达式去提取字符串的一部分(具体用法你可以阅读手

册). 比如说,我们想从 path/URL 提取文件名 – 下面的代码就是你需要:

ereg("([^\\/]*)$", $pathOrUrl, $regs);

echo $regs[1];


4.        高级的代换

ereg_replace() 和 eregi_replace()也是非常有用的: 假如我们想把所有的间隔负号都替换成逗号:

ereg_replace("[ \n\r\t]+", ",", trim($str));


5.        匹配中文字符的正则表达式: [\u4e00-\u9fa5]

评注:匹配中文还真是个头疼的事,有了这个表达式就好办了


6.        匹配双字节字符(包括汉字在内):[^\x00-\xff]

评注: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)


7.        匹配空白行的正则表达式:\n\s*\r

评注:可以用来删除空白行


8.        匹配HTML标记的正则表达式:<(\S*?)[^>]*>.*?</\1>|<.*? />

评注:网上流传的版本太糟糕,上面这个也仅仅能匹配部分,对于复杂的嵌套标记依旧无能为力


9.        匹配首尾空白字符的正则表达式:^\s*|\s*$

评注: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


10.     匹配Email地址的正则表达式:\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*

评注:表单验证时很实用


11.     匹配网址URL的正则表达式:[a-zA-z]+://[^\s]*

评注:网上流传的版本功能很有限,上面这个基本可以满足需求


12.     匹配帐号是否合法(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}$

评注:表单验证时很实用


13.     匹配国内电话号码:\d{3}-\d{8}|\d{4}-\d{7}

评注:匹配形式如 0511-4405222 或 021-87888822


14.     匹配腾讯QQ号:[1-9][0-9]{4,}

评注:腾讯QQ号从10000开始


15.     匹配中国邮政编码:[1-9]\d{5}(?!\d)

评注:中国邮政编码为6位数字


16.     匹配身份证:\d{15}|\d{18}

评注:中国的身份证为15位或18位


17.     匹配ip地址:\d+\.\d+\.\d+\.\d+

评注:提取ip地址时有用


18.     匹配特定数字:

^[1-9]\d*$    //匹配正整数

^-[1-9]\d*$   //匹配负整数

^-?[1-9]\d*$   //匹配整数

^[1-9]\d*|0$  //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*\.\d*|0\.\d*[1-9]\d*$   //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*|0?\.0+|0)$  //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)

评注:处理大量数据时有用,具体应用时注意修正


19.     匹配特定字符串:

^[A-Za-z]+$  //匹配由26个英文字母组成的字符串

^[A-Z]+$      //匹配由26个英文字母的大写组成的字符串

^[a-z]+$        //匹配由26个英文字母的小写组成的字符串

^[A-Za-z0-9]+$  //匹配由数字和26个英文字母组成的字符串

^\w+$                     //匹配由数字、26个英文字母或者下划线组成的字符串


20.  匹配文本,这个偶尔比较好用,但是要小心字符中包含\E

$str = '[a-z]';

$str = preg_replace('/\G[a-z]\E/', '', $str);

echo $str; //打印空,全被替换掉了,相关大概就是preg_quote功能


21.  给匹配结果命名,这样在匹配结果中就可以用这个名称来获取值

$str = 'abc123abc';

preg_match('/(?P<num>\d+)/', $str, $arr);

echo $arr['num']; //相当于echo $arr[1]


22.  仅用于分组的括号,匹配内容不会被变量捕获,有时候需要这样提高执行效率

$str = 'abc123abc';

preg_match('/abc(?:\d+)/', $str, $arr);

echo $arr[1]; //除了$arr[0]外没有$arr[1]了,不会赋予\1


23.  插入的好帮手,向前、向后锚点搜索位置,每3位添加一个逗号

$str = 'fdfad123456789fdfd';

$str = preg_replace('/(?<=\d)(?=(\d{3})+(?!\d))/', ',', $str);

echo $str; //打印 fdfad123,456,789fdfd


24.  以最少的结果匹配

$str = 123456;

preg_match('/\d+/', $str, $arr);

echo $arr[0]; //是人都知道是123456吧

preg_match('/\d+?/', $str, $arr);

echo $arr[0]; //这次是1


25.  一个比较有用的,可以判断前面的是否有匹配过,比如下边的例子,可以忽略等号右边是否有单引号双

引号或者什么都没有

$str = <<<HTML

<font size=12></font>

<font size='13'></font>

<font size="14"></font>

<font size="15></font>

HTML;

preg_match_all('/<font\s+size=([\'"]?)(\d+)\1[^>]*>/', $str, $arr);

print_r($arr);

/*

Array

(

[0] => 12

[1] => 13

[2] => 14

)

*/


26.  部分模式修饰符,模式修饰符也可以放在表达式中的这里匹配符合XHTML规范的style里的颜色值,大

写的STYLE被忽略了,但是里面的color可以大小写无所谓

$str = '<b style="COLOR:red"></b><b STYLE="color:blue"></b><b style="color:green"></b>';

preg_match_all('/style=([\'"]?)(?i)color:(\w+)\1(?-i)/', $str, $arr);

print_r($arr[2])

//也可以把匹配内容放到里面,用:隔开,就不用写结束(?-i)

//preg_match_all('/style=([\'"]?)(?i:color:(\w+))\1/', $str, $arr);

//再看一例子

$str = '<B>Style</B>';

preg_match('/<B>(?i:style)<\/B>/', $str, $arr);

print_r($arr); //可以匹配到

$str = '<B>Style</b>';

preg_match('/<B>(?i:style)<\/B>/', $str, $arr);

print_r($arr); //什么都没匹配到


27.  单词检索,可惜只能用在英文

$str = 'I\'m a teacher';

preg_match_all('/\b[a-z]+\b/i', $str, $arr);

print_r($arr)


28.  u修饰符,按unicode匹配

$str = '你您';

$str = preg_replace('/[你您]/', 'you', $str);

echo $str; //被拆开了,打印4次you

//看下面加上u修饰符后的效果,该修饰符需要编码utf-8否则会报错

//我的文本都是gb2312,所以要转成utf-8

$str = iconv('gb2312', 'utf-8', '你您');

$regex = iconv('gb2312', 'utf-8', '/[你您]/u');

$str = preg_replace($regex, 'you', $str);

echo $str; //打印2次you


29.  x模式修饰符,可以忽略空白和加注释

$str = 'test Test';

preg_match('/test  #只匹配小写的test/x', $str, $arr);

print_r($arr);


30.  排除环视(?<!...) (?!...)、忽略优先 *? +? ?? 的复合使用

$str = 'test <B>test1<B> test2</B>';

preg_match('/<B>(?:.(?<!<B>))*<\/B>/i', $str, $arr);

//或者 preg_match('/<B>(?:(?!<B>).)*<\/B>/i', $str, $arr);

print_r($arr)

//当时这样写应付不了 $str = 'test <B>test1<B> test2</B> test3</B>';

//改写一下正则既可 preg_match_all('/<B>(?:(?!<\/?B>).)*<\/B>/i', $str, $arr);

//根据上面来完成一个最简单的UBB替换

$str = 'test [b]test1[b] test2[/b] test3[/b]test';

$str = preg_replace('/\[B\]((?:(?!\[\/?B\]).)*)\[\/B\]/i', '<b>\1</b>', $str);

$str = preg_replace('/\[B\]((?:(?!\[\/?B\]).)*)\[\/B\]/i', '<b>\1</b>', $str);

print_r($str)


31.  如果已经确认回朔并不会有匹配结果,可以使用固化分组来放弃备用状态提高效率

$str = 'Subject';

preg_match('/(\w+):/', $str, $arr);

//用以下方法代替

//在第一组匹配规则匹配到文本末尾t时匹配结束,启用第二组匹配规则:并不会找到结果,所以这个时候回

朔查找,但是\w不会包含:,所以可以直接放弃,

preg_match('/(?>\w+):/', $str, $arr);

------------------------------------------------------------------------------------------------------

备注:

  \s:用于匹配单个空格符,包括tab键和换行符; 
  \S:用于匹配除单个空格符之外的所有字符; 
  \d:用于匹配从0到9的数字; 
  \w:用于匹配字母,数字或下划线字符; 
  \W:用于匹配所有与\w不匹配的字符; 
  . :用于匹配除换行符之外的所有字符。 

posted @ 2015-04-21 10:12 谦信君 阅读(...) 评论(...) 编辑 收藏