平平淡淡从从容容

0%

正则表达式之入门

发表于 分类于 1.9k 2 分钟

东南亚(SEA)位于亚洲东南部，包括中南半岛和马来群岛两大部分。中南半岛因位于中国以南而得名，南部的细长部分叫马来半岛。马来群岛散布在太平洋和印度洋之间的广阔海域，是世界最大的群岛，共有两万多个岛屿，分属印度尼西亚、马来西亚、东帝汶、文莱和菲律宾等国。东南亚地区共有11个国家：越南、老挝、柬埔寨、泰国、缅甸、马来西亚、新加坡、印度尼西亚、文莱、菲律宾、东帝汶，面积约457万平方千米。其中老挝是东南亚唯一的内陆国，越南、老挝、缅甸与中华人民共和国陆上接壤，仅东帝汶不是东盟成员。

一、简介

正则表达式(Regular Expression，简写为regex、regexp或RE)，又称规则表达式，是计算机科学的一个概念，它通常被用来检索、替换那些符合某个模式(规则)的文本。

  1. 正则表达式是用于描述字符排列和匹配模式的一种语法规则。它主要用于字符串的模式分割、匹配、查找及替换操作。
  2. 正则表达式的三个作用：匹配、用新文本代替匹配文本、将一个字符串拆分为一组更小的信息块。
  3. 在PHP中，正则表达式一般是由正规字符和一些特殊字符（类似于通配符）联合构成的一个文本模式的程序性描述。其有两套正则表达式函数库，两者功能相似，只是执行效率略有差异：
    • 一套是由PCRE(Perl Compatible Regular Expression)库提供的，使用preg_为前缀命名的函数
    • 灵一套由POSIX(Portable Operating System Interface of Unix)扩展提供的，使用以ereg_为前缀命名的函数

二、语法分类

  1. 分隔符：当使用 PCRE 函数的时候，模式需要由分隔符闭合包裹，分隔符可以使任意非字母数字、非反斜线、非空白字符。
    • 经常使用的分隔符是正斜线(/)、hash符号(#) 以及取反符号(~)。
  2. 元字符
    • 在模式中方括号外使用(\,^,-)
    • 在模式中方括号内使用(\,^,$,.,[],|,(),{},?,*,+)

三、元字符详解

  1. 转义字符(\)，有多种用法

    • 第一种用法是紧接着是一个非字母数字字符，表明取消该字符所代表的特殊涵义。将反斜线作为转义字符的用法在字符类内部和外部都可用
    • 如匹配一个 "*" 字符，就需要在模式中写为"\*"
    • 如匹配一个反斜线，那么在模式中使用”\\”
    • 第二种用法是提供了一种对非打印字符进行可见编码的控制手段
    • 第三种用法是用来描述特定的字符类
    • \d：任意十进制数字
    • \D：任意非十进制数字
    • \w：任意单词字符
    • \W：任意非单词字符
    • \s：任意空白字符
    • \S：任意非空白字符
    • \v：任意垂直空白字符(since PHP 5.2.4)
    • \V：任意非垂直空白字符(since PHP 5.2.4)
    • \h：任意水平空白字符(since PHP 5.2.4)
    • \H：任意非水平空白字符(since PHP 5.2.4)
    • 第四种用法是一些简单的断言
    • \b：单词边界，它匹配的字符串是一个完整的单词
    • \B：非单词边界，它匹配的字串不能是一个完整的单词，而是其他单词或字串的一部分
    • \A：目标的开始位置(独立于多行模式)
    • \Z：目标的结束位置或结束处的换行符(独立于多行模式)
    • \z：目标的结束位置(独立于多行模式)
    • \G：在目标中首次匹配位置

  2. 行定位符(^与$)：行定位符是用来描述字符串的边界。

    • “^”表示行开始
    • “$”表示行结尾
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    例一：
    $str    = 'abcdddddef124f';
    $search = '/^abc([^xyz]*)$/';
    $result = preg_match_all($search, $str, $match);
    print_r($match);
    Array
    (
        [0] => Array
            (
                [0] => abcdddddef124f
            )

        [1] => Array
            (
                [0] => dddddef124f
            )

    )

    例二：
    $s = 'abcddd';
    $p = '/^abc/';
    $r = preg_match_all($p, $s, $match);
    print_r($match);
    Array
    (
        [0] => Array
            (
                [0] => abc
            )

    )

  3. 句点(.)

    • 匹配目标字符串中的任意字符，包括非打印字符，但是(默认)不包括换行符
    • 如果PCRE_DOTALL被设置，句点就会匹配换行符
    • 句点在字符类中没有任何意义
    • \C可以被用于匹配单字节， 也就是说在UTF-8模式下，句点可以匹配多字节字符。

  1. 字符类([])

    • 一个字符类在目标字符串中匹配一个单独的字符

  2. 可选路径(|)

    • 表示或的意思
    • 注意[]与|的区别，[]只能匹配单个字符，而|可以匹配任意长度的字符串
    • 竖线可以在模式中出现任意多个，并且允许有空的可选路径(匹配空字符串)
    • 匹配的处理从左到右尝试每一个可选路径，并且使用第一个成功匹配的
    • 如果可选路径在子组(下面定义)中， 则”成功匹配”表示同时匹配了子模式中的分支以及主模式中的其他部分
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    $s = 'AaaAbAa';
    $p = '/Aa|aA/';
    $r = preg_match_all($p, $s, $match);
    print_r($match);
    Array
    (
        [0] => Array
            (
                [0] => Aa
                [1] => aA
                [2] => Aa
            )

    )

  3. 子组(子模式)

    • 将可选分支局部化
    • 将子组设定为捕获子组，左括号从左至右出现的次序就是对应子组的下标(从1开始)

  4. 重复/量词

    • ?：零次或一次，等价于 {0,1}
    • *：零次或多次，等价于 {0,}
    • +：一次或多次，等价于 {1,}
    • {n}：n次
    • {n,}：至少n次
    • {n,m}：n到m次

  5. 排除字符(^)

    • 表示排除不符合的字符
    • ^一般放在[]中，如[^1-5]，该字符不是1~5之间的数字
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    $s = '6789';
    $p = '/[^1-5]/';
    $r = preg_match_all($p, $s, $match);
    print_r($match);
    Array
    (
        [0] => Array
            (
                [0] => 6
                [1] => 7
                [2] => 8
                [3] => 9
            )

    )