php中正则表达式详解

港控/mmm° 2022-04-13 12:17 206阅读 0赞

# 概述 #

正则表达式是一种描述字符串结果的语法规则，是一个特定的格式化模式，可以匹配、替换、截取匹配的字符串。常用的语言基本上都有正则表达式，如JavaScript、java等。其实，只有了解一种语言的正则使用，其他语言的正则使用起来，就相对简单些。文本主要围绕解决下面问题展开。

*  有哪些常用的转义字符
 *  什么是限定符与定位符
 *  什么是单词定位符
 *  特殊字符有哪些
 *  什么是逆向引用以及怎样使用逆向引用
 *  匹配模式
 *  php中怎样使用正则表达式
 *  php中哪些方面需要用到正则
 *  怎样进行邮箱匹配，url匹配，手机匹配
 *  怎样使用正则替换字符串中某些字符
 *  贪婪匹配与惰性匹配区别
 *  正则表达式之回溯与固态分组
 *  正则优缺点有哪些

# 正则表达式的基本知识汇总 #

# 行定位符（^与$） #

行定位符是用来描述字符串的边界。`“$”`表示行结尾`“^”`表示行开始如`"^de"`，表示以de开头的字符串 `"de$"`,表示以de结尾的字符串。

## 单词定界符 ##

我们在查找的一个单词的时候，如an是否在一个字符串”gril and body”中存在，很明显如果匹配的话，an肯定是可以匹配字符串“gril and body”匹配到，怎样才能让其匹配单词，而不是单词的一部分呢？这时候，我们可以是哟个单词定界符\\b。   
\\ban\\b 去匹配”gril and body”的话，就会提示匹配不到。   
当然还有一个大写的\\B，它的意思，和\\b正好相反，它匹配的字符串不能使一个完整的单词，而是其他单词或字符串中的一部分。如\\Ban\\B。

## 选择字符(|) ，表示或 ##

选择字符表示或的意思。如Aa|aA，表示Aa或者是aA的意思。注意使用”\[\]”与”|”的区别，在于”\[\]”只能匹配单个字符，而”|”可以匹配任意长度的字符串。在使用”\[\]”的时候，往往配合连接字符”-“一起使用，如\[a-d\],代表a或b或c或d。

## 排除字符，排除操作 ##

正则表达式提供了”^”来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。

## 限定符(？\*+\{n，m\}) ##

限定符主要是用来限定每个字符串出现的次数。

<table> 
 <thead> 
  <tr> 
   <th>限定字符</th> 
   <th>含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>？</td> 
   <td>零次或一次</td> 
  </tr> 
  <tr> 
   <td>*</td> 
   <td>零次或多次</td> 
  </tr> 
  <tr> 
   <td>+</td> 
   <td>一次或多次</td> 
  </tr> 
  <tr> 
   <td>{n}</td> 
   <td>n次</td> 
  </tr> 
  <tr> 
   <td>{n,}</td> 
   <td>至少n次</td> 
  </tr> 
  <tr> 
   <td>{n,m}</td> 
   <td>n到m次</td> 
  </tr> 
 </tbody> 
</table>

如(D+)表示一个或多个D

## 点号操作符 ##

匹配任意一个字符（不包含换行符）

## 表达式中的反斜杠(`\`) ##

表达式中的反斜杠有多重意义，如转义、指定预定义的字符集、定义断言、显示不打印的字符。

### 转义字符 ###

转义字符主要是将一些特殊字符转为普通字符。而这些常用特殊字符有”.”，”?”、”\\”等。

### 指定预定义的字符集 ###

<table> 
 <thead> 
  <tr> 
   <th>字符</th> 
   <th>含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>\d</td> 
   <td>任意一个十进制数字[0-9]</td> 
  </tr> 
  <tr> 
   <td>\D</td> 
   <td>任意一个非十进制数字</td> 
  </tr> 
  <tr> 
   <td>\s</td> 
   <td>任意一个空白字符(空格、换行符、换页符、回车符、字表符)</td> 
  </tr> 
  <tr> 
   <td>\S</td> 
   <td>任意一个非空白字符</td> 
  </tr> 
  <tr> 
   <td>\w</td> 
   <td>任意一个单词字符</td> 
  </tr> 
  <tr> 
   <td>\W</td> 
   <td>任意个非单词字符</td> 
  </tr> 
 </tbody> 
</table>

\#\#\#显示不可打印的字符

## 括号字符() ##

在正则表达式中小括号的作用主要有:

*  改变限定符如（|、\* 、^)的作用范围   
    如(my|your)baby，如果没有”()”，|将匹配的是要么是my，要么是yourbaby,有了小括号，匹配的就是mybaby或yourbaby。
 *  进行分组，便于反向引用

## 反向引用 ##

反向引用，就是依靠子表达式的”记忆”功能，匹配连续出现的字串或是字符。如(dqs)(pps)\\1\\2，表示匹配字符串dqsppsdqspps。在下面php应用中，我将详细展开学习反向引用。

## 模式修饰符 ##

模式修饰符的作用是设定模式，也就是正则表达式如何解释。php中主要模式如下表：

<table> 
 <thead> 
  <tr> 
   <th>修饰符</th> 
   <th>说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>i</td> 
   <td>忽略大小写</td> 
  </tr> 
  <tr> 
   <td>m</td> 
   <td>多文本模式</td> 
  </tr> 
  <tr> 
   <td>s</td> 
   <td>单行文本模式</td> 
  </tr> 
  <tr> 
   <td>x</td> 
   <td>忽略空白字符</td> 
  </tr> 
 </tbody> 
</table>

# 正则表达式在php中应用 #

## php中字符串匹配 ##

所谓的字符串匹配，言外之意就是判断一个字符串中，是否包含或是等于另一个字符串。如果不使用正则，我们可以使用php中提供了很多方法进行这样的判断。

### 不使用正则匹配 ###

*  strstr函数   
    string strstr ( string haystack,mixedneedle \[, bool $before\_needle = false \]) 
    
     *  注1：haystack是当事字符串，needle是被查找的字符串。该函数区分大小写。
     *  注2：返回值是从needle开始到最后。
     *  注3：关于$needle，如果不是字符串，被当作整形来作为字符的序号来使用。
     *  注4：before\_needle若为true,则返回前东西。
 *  stristr函数与strstr函数相同，只是它不区分大小写
 *  strpo函数   
    int strpos ( string haystack,mixedneedle \[, int $offset = 0 \] )   
    注1：可选的 offset 参数可以用来指定从 haystack 中的哪一个字符开始查找。返回的数字位置是相对于 haystack 的起始位置而言的。
 *  stripos -查找字符串**首次出现**的位置（**不区分大小**定）
 *  strrpos -计算指定字符串在目标字符串中**最后一次出现**的位置
 *  strripos -计算指定字符串在目标字符串中**最后一次出现**的位置（**不区分大小写**）

### 使用正则进行匹配 ###

在php中，提供了preg\_math()和preg\_match\_all函数进行正则匹配。关于这两个函数原型如下：

int preg_match|preg_match_all ( string $pattern , string $subject [, array &$matches [, int $flags = 0 [, int $offset = 0 ]]] )

搜索subject与pattern给定的正则表达式的一个匹配.   
pattern:要搜索的模式，字符串类型。   
subject :输入字符串。   
matches:如果提供了参数matches，它将被填充为搜索结果。 matches\[0\]将包含完整模式匹配到的文本，matches\[1\]将包含第一个捕获子组匹配到的文本，以此类推。   
flags:flags可以被设置为以下标记值：PREG\_OFFSET\_CAPTURE 如果传递了这个标记，对于每一个出现的匹配返回时会附加字符串偏移量(相对于目标字符串的)。 注意：这会改变填充到matches参数的数组，使其每个元素成为一个由 第0个元素是匹配到的字符串，第1个元素是该匹配字符串 在目标字符串subject中的偏移量。   
offset:通常，搜索从目标字符串的开始位置开始。可选参数 offset 用于 指定从目标字符串的某个未知开始搜索(单位是字节)。   
返回值：preg\_match()返回 pattern 的匹配次数。 它的值将是0次（不匹配）或1次，因为 preg\_match()在第一次匹配后 将会停止搜索。 preg\_match\_all()不同于此，它会一直搜索subject直到到达结尾。 如果发生错误 preg\_match()返回 FALSE。

### 实例 ###

*  实例1   
    判断字符串”[http://blog.csdn.net/hsd2012][http_blog.csdn.net_hsd2012]“中是否包含csdn?   
    解法一（不适用正则）：   
    如果不适用正则，我们使用strstr或者strpos中任意一个都可以，在此，我将使用strstr函数，代码如下：

$str='http://blog.csdn.net/hsd2012';
    function checkStr1($str,$str2)
    {
        return strstr1($str,$str2)?true:false;
    }
    echo checkStr($str,'csdn');

解法二：使用正则   
因为我们只需要判断是否存在即可，所以选择preg\_match。

$str='http://blog.csdn.net/hsd2012';
    $pattern='/csdn/';
    function checkStr2($str,$str2)
    {
        return preg_match($str2,$str)?true:false;
    }
    echo checkStr2($str,$pattern);

*  实例2（考察**单词定界符**）   
    判断字符串”I am a good boy”中是否包含单词go   
    首先判断是单词，而不是字符串，因此比较的时候，需要比较是否包含’ go ‘，即在字符串go前后有一个空格。   
    解析：如果使用非正则比较，只需要调用上面的checkStr1()函数即可，注意，第二个参数前后要加一个空格,即’ go ‘。如果使用正则，   
    我们可以考虑使用单词定界符\\b，那么$pattern=’/\\bgo\\b/’;然后调用checkStr2函数即可.
 *  例3（考察**反向引用**)   
    判断字符串”I am a good boy”中是否包含3个相同的字母   
    解析：此时，如果我们不使用正则，将会很难判断，因为字母太多了，我们不可能去将所有字母分别与该字符串比较，那样工作量也比较大。这时候涉及到了正在的反向引用。在php正则表达式中，通过\\n，来表示第n次匹配到的结果。如\\5代表第五次匹配到的结果。那么本题的`$pattern='/(\w).*\1.*\1/';`   
    主要注意的是，在使用反向匹配的时候都需要使用(),反向匹配时，匹配()里面出现的字符或字符串。

## php中字符串替换 ##

### 不使用正则 ###

php中当替换字符串的时候，如果不适用正则，我们通常使用substr、mb\_substr、str\_replace、substr\_replace关于这几个函数区别如下表。

<table> 
 <thead> 
  <tr> 
   <th>函数符</th> 
   <th>功能</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>str_replace(find,replace,string,count)</td> 
   <td>使用一个字符串替换字符串中的另一些字符。</td> 
   <td>find 必需。规定要查找的值。replace 必需。规定替换 find 中的值的值。string 必需。规定被搜索的字符串。count 可选。一个变量，对替换数进行计数。</td> 
  </tr> 
  <tr> 
   <td>substr_replace(string,replacement,start,length)</td> 
   <td>把字符串的一部分替换为另一个字符串。适合用于替换自定位置的字符串。</td> 
   <td>string 必需。规定要检查的字符串。replacement 必需。规定要插入的字符串。start 必需。规定在字符串的何处开始替换。</td> 
  </tr> 
 </tbody> 
</table>

### 使用正则 ###

如果使用正则替换，php中提供了preg\_replace \_callback和preg\_replace 函数，preg\_replace 原型如下：   
mixed preg\_replace ( mixed pattern,mixedreplacement , mixed subject\[,intlimit = -1 \[, int &count\]\])函数功能描述：在字符串subject中，查找pattern,然后使用replacement 去替换，如果有limit则代表限制替换limit次。pregreplacecallback与pregreplace功能相识，不同的是pregreplaceback使用一个回调函数callback来代替replacement.−例1将字符串”hello,中国”中的hello替换为′你好′;如果不是用正则:str=’hello,中国’;   
str=strreplace(′hello′,′你好′,str)   
或是使用str=substrreplace(str,’你好’,0,5)   
使用正则   
pattern=′/hello/′;str=preg\_replace (pattern,′你好′,str);   
\- 例2   
去除字符串”gawwenngeeojjgegop”中连续相同的字母

$str='gawwenngeeojjgegop';
    $pattern='/(.)\1/';
    $str=preg_replace($pattern,'',$str);

解析：当然这样可能会遇到，当第一次去除了重复了字符串后，又出来重复的字符串。如字符串味’gewwenngeeojjgegop’,针对这中问题，当然，这样的话，通过判断，继续替换下去。

*  例3   
    将字符串中”age13gegep3iorji65k65k”;中出现的连续两个数字改为第二个数字，如字符串中13被改为3

$str='age13gegep3iorji65k65k';
    $pattern='/(\d)(\d)/';
    $str=preg_replace($pattern,'$2', $str);

解析：$n在正则表达式外使用反向引用。n代表第几次匹配到的结果。

## php中字符串分割 ##

### 不适用正则 ###

php提供了explode函数去分割字符串，与其对应的是implode。关于explode原型如下：   
array explode ( string delimiter,stringstring \[, int $limit \] )   
delimiter：边界上的分隔字符。   
string：输入的字符串。   
limit：如果设置了 limit 参数并且是正数，则返回的数组包含最多 limit 个元素，而最后那个元素将包含 string 的剩余部分。如果 limit 参数是负数，则返回除了最后的 -limit 个元素外的所有元素。如果 limit 是 0，则会被当做 1。

### 使用正则 ###

关于通过正则表达式进行字符串分割，php提供了split、preg\_split 函数。preg\_split() 函数，通常是比 split() 更快的替代方案。   
array preg\_split ( string pattern,stringsubject \[, int limit=−1\[,intflags = 0 \]\] )

*  例题   
    将字符串 ‘[http://blog.csdn.net/hsd2012/article/details/51152810][http_blog.csdn.net_hsd2012_article_details_51152810]‘按照’/’进行分割   
    解法一：

$str='http://blog.csdn.net/hsd2012/article/details/51152810';
    $str=explode('/', $str);

解法二：

$str='http://blog.csdn.net/hsd2012/article/details/51152810';
    $pattern='/\//';  /*因为/为特殊字符，需要转移*/
    $str=preg_split ($pattern, $str);

## php中贪婪匹配与惰性匹配 ##

*  贪婪匹配：就是匹配尽可能多的字符。   
    比如，正则表达式中m.\*n，它将匹配最长以m开始，n结尾的字符串。如果用它来搜索manmpndegenc的话，它将匹配到的字符串是manmpndegen而非man。可以这样想，当匹配到m的时候，它将从后面往前匹配字符n。
 *  懒惰匹配：就是匹配尽可能少的字符。   
    有的时候，我们需要并不是去贪婪匹配，而是尽可能少的去匹配。这时候，就需要将其转为惰性匹配。怎样将一个贪婪匹配转为惰性匹配呢？只需要在其后面添加一个”？”即可。如m.\*?n将匹配manmpndegenc，匹配到的字符串是man。

<table> 
 <thead> 
  <tr> 
   <th>函数符</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>*?</td> 
   <td>零次或多次，但尽可能少的匹配</td> 
  </tr> 
  <tr> 
   <td>+?</td> 
   <td>一次或多次，但尽可能少的匹配</td> 
  </tr> 
  <tr> 
   <td>??</td> 
   <td>0次或1次，但尽可能少的匹配</td> 
  </tr> 
  <tr> 
   <td>{n,}?</td> 
   <td>至少n次，但尽可能少的匹配</td> 
  </tr> 
  <tr> 
   <td>{n,m}?</td> 
   <td>n到m次 ，但尽可能少的匹配</td> 
  </tr> 
 </tbody> 
</table>

## php正则表达式之回溯与固态分组 ##

### 回溯 ###

首先我们需要清楚什么是回溯，回溯就像是在走岔路口，当遇到岔路的时候就先在每个路口做一个标记。如果走了死路，就可以照原路返回，直到遇见之前所做过的标记，标记着还未尝试过的道路。如果那条路也走不能，可以继续返回，找到下一个标记，如此重复，直到找到出路，或者直到完成所有没有尝试过的路。首先我们看例题

$str='aageacwgewcaw';
    $pattern='/a\w*c/i';
    $str=preg_match($pattern, $str);

看到上面的程序，可能都清楚是什么意思，就是匹配$str是否包含这样一个由”a+0个或多个字母+c”不区分大小写的字符串。但是至于程序怎样去匹配的呢？匹配的过程中，回溯了多少次呢？

<table> 
 <thead> 
  <tr> 
   <th>匹配过程</th> 
   <th>接下来操作描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>‘a\w*c’中a匹配到’aageacwgewcaw’中第一个字符a</td> 
   <td>\w进行下一个字符匹配</td> 
  </tr> 
  <tr> 
   <td>因为\w是贪婪匹配，会一直匹配到’aageacwgewcaw’中最后一个字符w</td> 
   <td>c进行下一个字符匹配时</td> 
  </tr> 
  <tr> 
   <td>‘a\w*c’中c发现没有可以匹配的</td> 
   <td>于是\w匹配进行第一次回溯，匹配到倒数第二个字符a</td> 
  </tr> 
  <tr> 
   <td>‘a\w*c’中c发现还是没有可以匹配的</td> 
   <td>于是\w匹配进行第二次回溯，匹配到倒数第三个字符c</td> 
  </tr> 
  <tr> 
   <td>‘a\w*c’中c匹配成功</td> 
   <td>匹配结束返回结果</td> 
  </tr> 
 </tbody> 
</table>

现在，如果我们将pattern改为pattern=’/a\\w\*?c/i’;又会回溯多少次呢？正确答案是回溯四次。

### 固态分组 ###

固态分组，目的就是减少回溯次数， 使用(?>…)括号中的匹配时如果产生了备选状态，那么一旦离开括号便会被立即 引擎抛弃掉。举个典型的例子如： ‘\\w+:’这个表达式在进行匹配时的流程是这样的，会优先去匹配所有的符合\\w的字符，假如字符串的末尾没有’:’，即匹配没有找到冒号，此时触发回溯机制，他会迫使前面的\\w+释放字符，并且在交还的字符中重新尝试与’:’作比对。但是问题出现在这里: \\w是不包含冒号的，显然无论如何都不会匹配成功，可是依照回溯机制，引擎还是得硬着头皮往前找，这就是对资源的浪费。所以我们就需要避免这种回溯，对此的方法就是将前面匹配到的内容固化，不令其存储备用状态！，那么引擎就会因为没有备用状态可用而只得结束匹配过程。大大减少回溯的次数。   
如下代码，就不会进行回溯：

$str='nihaoaheloo';
    $pattern='/(?>\w+):/';
    $rs=preg_match($pattern, $str);

当然有的时候，又需慎用固态分组，如下,我要检查$str中是否包含以a结尾的字符串，很明显是包含的，但是因为使用了固态分组，反而达不到我们想要的效果

$str='nihaoahelaa';
    $pattern1='/(?>\w+)a/';
    $pattern2='/\w+a/';
    $rs=preg_match($pattern1, $str);//0
    $rs=preg_match($pattern2, $str);//1

php中其他常用字符串操作函数

*  字符串截取截取   
    string substr ( string string,intstart \[, int length\])stringmbsubstr(stringstr , int start\[,intlength = NULL \[, string $encoding = mb\_internal\_encoding() \]\] )
 *  字符串中大小写转换   
    strtoupper   
    strtolower   
    ucfirst   
    ucwords
 *  字符串比较   
    \-strcmp、strcasecmp、strnatcmp
 *  字符串过滤
 *  字符串翻转   
    strrev($str);
 *  字符串随机排序   
    string str\_shuffle ( string $str )

# 补充 #

## 怎样进行邮箱匹配，url匹配，手机匹配 ##

使用preg\_match函数进行匹配，以下内容从TP中复制而来。   
邮箱验证   
pattern=′/\\w+(\[−+.\]\\w+)∗@\\w+(\[−.\]\\w+)∗\\.\\w+(\[−.\]\\w+)∗/’;   
url匹配   
pattern='/^http(s?):\\/\\/(?:\[A-za-z0-9-\]+\\.)+\[A-za-z\]\{2,4\}(:\\d+)?(?:\[\\/\\?\#\]\[\\/=\\?%\\-&~\`@\[\\\]\\':+!\\.\#\\w\]\*)?/’;   
手机验证   
pattern=′/1\[3458\]\\d10/’;

## php中正则的优缺点 ##

php中正则在某些时候，能帮我们解决php函数很多困难的匹配或是替换。然后php中正则的效率，往往是我们需要考虑的，所以在某些时候，能不用正则还是尽量不去用它，除非，某些场合必须用到，或是我们能够有效减少其回溯次数。

源文：[https://www.cnblogs.com/hellohell/p/5718319.html][https_www.cnblogs.com_hellohell_p_5718319.html]

[http_blog.csdn.net_hsd2012]: http://blog.csdn.net/hsd2012
[http_blog.csdn.net_hsd2012_article_details_51152810]: http://blog.csdn.net/hsd2012/article/details/51152810
[https_www.cnblogs.com_hellohell_p_5718319.html]: https://www.cnblogs.com/hellohell/p/5718319.html