php与正则表达式

正则表达式概述

正则表达式（Regular Expression，在代码中常简写为regex、regexp或RE）是一种描述字符结构的语法规则，是一个特定的格式化模式。它可以匹配、替换、截取匹配的字符串。对于用户来说，在Windows资源管理器中参照某个目录下的所有jpg图像，可以输入“*jpg”，按【enter】键后，所有的“jpg”文件都会被列出来，这里的“*jpg”就可以理解为一个简单的正则表达式。

正则表达式几个容易混淆的技术

• grep:最初是ED编辑器中的一条指令，用来显示文件中的特定的内容，后来成为一个独立的工具grep
• egrep:grep虽然不断地更新升级，但仍然无法跟上技术的脚步，为此，贝尔实验室推出来egrep，意味“扩展的grep”，大大增加了正则表达式的功能
• POSIX（Portable Operating System Interface of Unix，可移植操作系统的接口）：在grep发展的同事，其他一些开放人员也按照自己喜好开发了具有独特风格的版本。但问题也随之而来，有的程序支持某个元字符，而有的程序不支持。因此就有POSIX，POSIX是一系列标准，确保了操作系统之间的可移植性，但POSIX和SQL一样，没有成为最终的标准而只能作为一个参考。
• perl（Practical Extraction and Reporting Language，实际抽取与汇报语言）:1987年，拉里·沃尔（Larry Wall）发布了Perl.在随后的7年里，Perl经历了从Perll到Perl5的发展，最终Perl成为了一个标准
• PCRE：Perl的成功，让其他的开发人员在某种程度上要兼容Perl，包括C/C++、java、Python等有自己的正则表达式1997年，Philip Hazel开发了PCRE库，这是兼容Per!正则表达式的一套正则引擎，其他开发人员可以将PCRE整合到自己的语言中，为用户提供丰富的正则功能。许多软件都使用PCRE, PHP正是其中之一

正则表达式语法规则

定位符（^、$、\b、\B）

在程序开发时，经常需要确定字符在字符串中的具体方位。如，判断某行文字是否是章节的标题，这是，可以使用定位符来实现。正则表达式支持定位功能，它可以确定字符在字符串中的具体方位（如字符创头部或尾部，或者单词的表姐）正则表达式中的定位符如下所示;

具体示例如下

^prefer //该表达式表示要匹配以prefer开头的字符创，如“I prefer this colour”可以匹配
itcast$ //该表达式要匹配以prefer结尾的字符创，如“welacome to itcast”可以匹配
er\b //匹配er和空格间的位置，如匹配“never”的而，但不能匹配“verb”的er
er\B //匹配在不在边界的er，如可以匹配“verd”的er，但不能匹配never的er

字符类[]

正则表达式是区分大小写的，如果忽略大小写，我们就可以使用方括号表示[]。一个方括号只能匹配一个字符，并且只要匹配的字符出现在方括号内，就表示匹配成功。

如，要匹配字符串“Hi”不区分大小写，格式为：“[Hi] [Ii]”;如hi,Hi、hI、HI都可以匹配

针对字符类的常见使用，POSIX和PCRE都使用了一些预定义字符类，但表示风格有所不同，POSIX风格的预定义字符类如下所示：

选择字符（|）

在正则表达式中，如果忽略字符串的大小写，除了可以使用方括号（[]）实现外，还能使用选择字符（|）该字符可以理解为“或”。

如：匹配“hi”不区分大小写，表示方式为“(H|h) (I|i)”。表示以字母H或h开头，后面接一个I或i，等同于[Hh][Ii]

注意：“[]”和“|”区别在于[]只能匹配单个字符，而|可以匹配任意长度的字符。

连字符（-）

在php中，变量只能以字母和下划线开头，如果使用正则表达式来匹配变量名的第一个做字幕，就需要写成以下这种方式：

[abcefghijklmnopqrstuvwxyzABCDFEGHIJKLMNOPQRSTUVWXYZ]

上述写法将26个字母的大小写都全部写一遍，这无疑是非常麻烦的，这时可以使用正则表达式连字符“-”来简化表达式。

当使用连字符只能字符列表时，需要指定起始字符和结束字符，如，要匹配所有大小写字母，可以写成以下方式

[a-zA-Z]

注意：

1.字符范围是遵循字符编码的顺序来匹配，也就是说，如果要测试的字符恰好是按照字符编码的排列顺序是，就可以使用这种表达式来表示

2.注意在字符类内部不要空格，否则会被认为要匹配一个空格

3.在通常情况下，字符“-”都只表示一个普通字符，只有在表示范围时才被作为元字符来使用

反义字符（[^]）

有时候，我们需要匹配除某些其他字符外的其他字符，这时可以使用反义字符来实现。反义字符就是除了字符中指定的字符以外的任意字符。如果在字符内部添加"^"前缀，即定义了反义字符

如，要匹配除数字以为的任意的字符，可以采用下列表达式

[^0123456789]

限定字符（?*+{n.m}）

对于重复出现的字母或字符串，可以使用限定字符来实现。

注意：当使用元字符“*”和“?”时，由于这些字符可能匹配前面字符或表达式0次，所以它们允许什么都不匹配。如表达式/a*/实际上与字符串“bcd”匹配，因为改字符串含有0个字符“a”

点字符（.）

在评论中，需要对用户发布的帖子进行审核，看其中内容是否包含一些非法字符，而过滤其中的非法字符可以使用点字符来完成

在正则表达式中，点字符“.”可以匹配换行字符外的任意一个字符，如，匹配以“s”开头“t”结尾，中间包含子一个字母的单词的表达式如下

^s.t$

上述表达式可以匹配多个单词，如set、sat、sit等

转义字符（\）

正则表达式中的转义字符“\”和php大同小异。都是将特殊字符（如*、?、/等）变为普通字符。

如，匹配127.0.0.1这样的ip地址，如果直接使用点字符，会写成下列表达式

[0-9]{1,3}(.[0-9]{1,3}){3}

上述表达式虽然可以匹配127.0.0.1，但也可以匹配1271010011这样的字符串，所以要将“.”当作一个普通字符，需要使用转义字符“\”，进行修改

[0-9]{1,3}(\.[0-9]{1,3}){3}

反斜杆（\）

在正则表达式中。“\”除了可以作为转义自户外，还有其他功能如，显示一些不可打印的字符、指定预定义字符集、定义一些限定字符。

反斜杆输出不可打印字符

反斜杆指定的预定义字符集

反斜线定义断言的限定字符

括号字符（()）

在正则表达式中，括号字符“()”有两个作用，一是改变限定字符的作用范围；而是分组。

(1).改变限定字符的作用范围

(thir|four)th

上述表达式用于匹配单词thirth或fourth，如果不使用小括号，那么就变成了匹配单词thir或fourth了

(2).分组，对于表达式进行重复操作

(\.[0-9]{1,3}){3}

付分组(\.[0-9]{1,3})进行3次重复操作