PHP正则表达式

Coding Alan 8年前 (2013-05-07) 2471次浏览 0个评论 扫描二维码

1. 正则表达式(Regex)就是描述字符串排列模式的一种自定义语法规则。
2. 如果可以使用字符串处理函数完成的任务,就不要使用正则表达式
3. 但有一些复杂的操作,只能使用正则表达式完成。
正则表达式可以在很多计算机语言中应用
4. 正则表达式也称为一种模式表达式。
5.正则表达式就是通过构建具有特定规则的模式,与输入的字符串信息比较。再进行分割、匹配、查找、替换等操作
举例:”/\<img\s*src=\”.*?\”\/\>/”

可以看出正则表达式具有一些特点:
一、正则表达式也是一个字符串
二、由具有特殊意义的字符组成的字符串
三、具有一点编写规则,也是一种模式
四、可看作是一种编程语言(是用一些特殊字符按规则编写出一个字符串,形成的一种模式—即正则表达式)

注意: 如果正则表达式,不和函数一起使用,则它就是一个字符串,如果将正则表达式放到到某个函数中使用, 才能发挥出正则表达式的作用。(用到分割函数中,就可以用这个正则去分割字符串;用到替换函数中,就可以用这个正则去替换字符串…)

PHP中提供了两套正则表达式函数库:POSIX扩展正则表达式函数(ereg_)和Perl兼容正则表达式函数(preg_)。这个函数功能一样, 推荐使用处理字符串效率高的Perl 兼容正则表达式函数库。

学习正则表达式时,有两方面需要学习:

一、正则表达式的模式如何编写
语法:
1. 定界符号 //
字母、数字和正斜线\ 以外的任何字符都可以为定界符号,如
| |
/ /
{ }
! !

没有特殊需要,通常都使用反斜线/作为正则表达式的定界符号
2. 原子 (img \s .等)
注意:原子是正则表达式的最基本组成单位,而且必须至少要包含一个原子。只要一个正则表达式可以单独使用的字符,就是原子。

a. 原子包含所有打印(所有可以在屏幕上输出的字符串)和非打印字符(看不到的)
b. \. \* \+ \? \( \<\> 如果所有有意义的字符,想作为原子使用,统统使用 转义字符(Escape Character)”\“转义。转义字符” \ “可以将有意的字符转成没意义的字符,还可以将没意义的字符转为有意义的字符(见c点中的举例)
c. 在正则表达式中可以直接使用一些代表范围的原子,如:
\d : 表示任意一个十进制的数字 [0-9]
\D : 表示任意一个除数字之外的字符 [^0-9]
\s : 表示任意一个空白字符,空格、换行\n回车\r制表符\t换页\f [\n\r\t\f ]
\S : 表示任意一个非空白字符 [^\n\r\t\f ]
\w : 表示任意一个字 a-zA-Z0-9_ [a-zA-Z0-9_]
\W : 表示任意一个非字, 除了a-zA-Z0-9_以外的任意一个字符 [^a-zA-Z0-9_]
d. 自定义原子表使用[], 可以匹配方括号中的任何一个原子,使用横杠-表示一个范围
[a-z5-8]
[^a-z] 表示取反, 就是除了原子表中的原子,都可以表示(^必须在[]内的第一个字符处出现方才有效)
3. 元字符(如 * ?)
元字符是一种特殊的字符,是用来修饰原子用的,不可以单独出现,这些字符若要以原子形式出现,需在前面加上反斜线\,如\*

* : 表示其前的原子可以出现 0次、1次、或多次 {0,}
+ : 表示其前的原子可以出现1次 或多次, 不能为0次最少要有一个 {1,}
? : 表示其前面的原子可以出现0次或1次,不能为多次 {0,1}
{} : 用于自定义前面原子出现的次数
{m} //m表示一个整数, {5}表示前面的原子出现5次
{m,n} //m和n表示一个整数,{2,5} m要小于n, 表示前面出现的原子最少m次,最多n次,包括m和n次
{m,} //表示前面的原子最少出现m次,最多无限

. : 默认情况下,表示除换行符外任意一个字符
^ : 直接在一个正则表达式的第一个字符出现,则表达必须以这个正则表达式开始
$ : 直接在一个正则表达式的最后一个字符出现,则表达必须以这个正则表达式结束
| : 表示或的关系 , 它的优先级是最低的, 最后考虑它的功能

\b : 表示一个边界
\B: 表示一个非边界

() :

一、 () 内作为大原子使用,如(abc)+表示abc作为一个整体出现1次或多次
二、 改变优先级,加上括号可以提高优先级
三、 作为子模式使用, 正则表达式不光对一个字符串匹配一次, 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。
四、可以取消子模式,就将()作为大原子或改变优先级使用, 在括号内的最前面使用”?:”就可以取消这个()表示的子模式
五、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这样函数中, 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 (注意单引号和双引号引起来的正则使用略有不同)
“\\1”
‘\1’

也可使用${1} ${2}

优先级一:\
优先级二:() (?:) []
优先级三:* + ? {}
优先级四:^ $ \b
优先级五:|

4. 模式修正符号 i u

模式修正符加在定界符之后,它是几个字母,可以一次使用一个,每一个具一定的意义, 也可以连续使用多个。模式修正符号是对整个正则表达式调优使用, 也可以说是对正则表达式功能的扩展。

“/abc/” 只能匹配小写字母 匹配的有abc
“/abc/i” 可以不区分大小写匹配  匹配的有ABC abc Abc ABc AbC

i : 表示在和模式进行匹配进不区分大小写
m : 默认情况下将字符串视为一行 (^$ ), 视为多行后,任何一行都可以以正则开始或结束
s : 如果没有使用这个模式修正符号时, 元字符中的”.”默认不能表示换行符号,使用s会将字符串视为单行
x : 表示模式(而非字符串)中的空白忽略不计,若在加了x后仍想匹配空格,可在模式中使用\s
e : 正则表达式必须使用在preg_replace替换字符串的函数中时才可以使用
A :表示必须以正则表达式内容开头
Z :表示必须以正则表达式内容结束
U : 正则表达式的特点就是比较”贪婪“,如 .*和 .+ 所有字符都符合这个条件,解决方法一种使用模式修正符号 U,另一种是使用?完成,如 .*?和.+?;如果两种方式同时出现还是会开启贪婪模式 .*? /U

“/\<img\s*src=\”.*?\”\/\>/iU”
“#\<img\s*src=\”.*?\”\/\>#iU”

/原子和元字符/模式修正符号 / 为定界符号 (有一些语言是不需要这个定界符号)

有点语言中不支持模式修正符号如javascript

网站有很多已经写好的常用正则表达式如用户名不能为空 /^\S+$/,匹配url的简单正则表达式:$url=”/(https?|ftps?):\/\/(www|mail|news)\.([^\.\/]+)\.(com|org|net)/i”;

 

二、学习正则表达式的强大处理函数

用在分割的函数中, 则使用上面的正则表字符串进行分割;*用在匹配的函数中, 则使用上面的正则表字符串进行匹配 ;用在替换的函数中, 则使用上面的正则表字符串进行替换。有了正则,再在一个正则处理函数中使用这个正则,才能对字符串进行分割、匹配、查找及替换等工作。

能使用字符串处理函数完成的功能,就不要使用正则表达式处理函数

1.字符串的匹配与查找

匹配preg_match();匹配所有preg_match_all()

字符串处理函数 strstr() strpos() substr()

str_replace()
str_ireplace() 不区分大小写

1. str_replace(string, string, string)
2. str_replace(array, string, string)
3. str_replace(array, array, string)

preg_replace() 正则中替换函数

1. 正常使用 preg_replace(‘string’, ‘string’, ‘stirng’);
2. 在正则中的子模式,可以用到二个参数中
3. 在第二个参数中调用函数, 需要在模式中使用 e 模式修正符号
4. 就是在前两个参数中都使用数组, 可以一起将多个模式(正则)同时替换成多个值的形式
explode , 按某个字符或字符串去分割

preg_split, 按一个正则的模式去分割

checkdnsrr函数可用检查域名有效性(windows上略有不同)

implode—join 组合的函数

 

喜欢 (0)
[]
分享 (0)
发表我的评论
取消评论

表情 贴图 加粗 删除线 居中 斜体 签到

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址