php中pcre裤怎么调_PHP正则式PCRE

谁践踏了优雅 2022-10-25 11:23 128阅读 0赞

PHP正则式PCRE的总结差不多就下边这些了。参考

锚(^、$、A、Z/z)

^、$ 在多行模式(PCRE\_MULTILINE)下构造非紧固模式，在单行模式(美元符号可匹配字符串尾部的一个换行符)下可构造紧固模式；而A、Z / z只用于构造紧固模式(G表示在目标中首次匹配位置，还可以与$offset参数一起使用)。

断言

一个断言指定一个必须在特定位置匹配的条件，不会导致当前的匹配点发生改变，不会从目标字符串中消耗任何字符，因此也不会出现在结果中。一个断言子组以前瞻断言“(?=)”或“(?!)”、后瞻断言“(?<=)”或“(?

(1)b指单词边界(b在字符类中表示退格backspace字符)，B指非单词边界。

(2)当字符串结束字符为换行符时，Z 会将其看做字符串结尾匹配, 而 z 只匹配字符串结尾。

(3)前瞻断言(?!foo)bar会查找到任意的barxxxxx而非foo跟随bar的情况。

(4)后瞻断言的内容被严格限制为只能用于匹配定长字符串，比如 (?<=bullock|donkey) 是允许的，但是 (?

(5)多个断言(任意顺序)可以同时出现，如 (?<=d\{3\})(?

(6)断言可以以任意复杂度嵌套，比如 (?<=(?

(7)如果所有的断言都包含一个捕获子组，那么为了在整个模式中捕获子组计数的目的，它们都会被计算在内；然而子字符串的捕获仅可以用于正面断言，因为对于消极的断言是没有意义的。

内部选项(?)

如果一个选项在子组内部设置，仅仅改变子组中剩余的部分，因此 (a(?i)b)c 仅仅匹配 ”abc” 和 ”aBc” (假设没有使用 PCRE\_CASELESS 选项)；但在同一个子模式中， 一个分支的内部选项设置会穿透到后面的其他分支中去，比如 (a(?i)b|c) 匹配”ab”或“aB”或“c”或”C”(选项是在编译期确定下来的，在匹配 ”C” 时第一个分支已被丢弃)。

模式修饰符

主要有i(PCRE\_CASELESS)、m(PCRE\_MULTILINE)、s(PCRE\_DOTALL)、x(PCRE\_EXTENDED)、A(PCRE\_ANCHORED)、D(PCRE\_DOLLAR\_ENDONLY)、U(PCRE\_UNGREEDY)等。模式修饰符中的空格、换行符会被忽略，其他字符会导致错误。

子组/子模式与分支(|)

子组通过圆括号(其作用是局部化和捕获子组，而“(?:)”不捕获子组，“(?|)”使可多个分支复用一个后向引用编号)来分隔界定，并且它们可以嵌套：

(1)cat(arcat|erpillar|)匹配 ”cat”， “cataract”， “caterpillar” 中的一个。

(2)一次性子组(非捕获子组)和后瞻断言结合使用来指定在目标字符串末尾的有效匹配，比如^(?>.\*)(?<=abcd)相对于^.\*abcd$更为高效。

(3)条件子组(非捕获子组)型如(?(condition)yes-pattern)、(?(condition)yes-pattern|no-pattern)，condition是数字(后向引用某个捕捉子组)或字串或断言。

(()?\[^()\]+(?(1)))

改模式匹配一个没有括号的或者闭合括号包裹的字符序列。

(4)命名子组(捕获子组)形如 (?Ppattern)、(?pattern)、(?’name’pattern)，可通过(?P>name)、(?P&name)形式在模式中再次引用命名子组，但这种引用不可捕获。

重复/量词

等价于 \{0,\}

等价于 \{1,\}

等价于 \{0,1\}

默认情况下，量词都是”贪婪”的，也就是说， 它们会在不导致模式匹配失败的前提下，尽可能多的匹配字符(直到最大允许的匹配次数)，如对C代码“/\* first comment\*/ not comment /\*second comment\*/”匹配注释使用下列模式会匹配到整个字符串；

/\*.\*\*/

然而，如果一个量词紧跟着一个 ?(?起到模式反转的作用，也就是说如果设置了 PCRE\_UNGREEDY，模式将反转为贪婪；而如果量词紧跟着一个+，表示任何情况下都使用贪婪模式，因此 .\*?abc 匹配 ”aabc”， 但是 .\*+abc 不匹配) 标记，它就会成为懒惰(非贪婪)模式， 只做尽可能少的匹配。 因此上述模式应该改成这样：

/\*.\*?\*/

补充一下，在贪婪或懒惰模式下，都是在保证成功的条件下来控制匹配的重复次数最多或最少：

//$match = Array ( \[0\] => 214sfsbbb )

$patt = '/^w\*b$/';preg\_match($patt,'214sfsbbb',$match);//$match = Array ( \[0\] => 214sfsbbb )

$patt = '/^w\*?b$/';preg\_match($patt,'214sfsbbb',$match);//$match = Array ( \[0\] => 214sfsbbb )

$patt = '/^w\*b/';preg\_match($patt,'214sfsbbb',$match);//$match = Array ( \[0\] => 214sfsb )

$patt = '/^w\*?b/';preg\_match($patt,'214sfsbbb',$match);

字符类与转义字符

字符类d、D、 s(任意空白字符，包括r、n、t)、S(任意非空白字符)、w(任意单词字符，包括字母、数字和\_) 和 W 也可以出现在一个字符类中， 用以将其匹配的字符类加入到新的自定义字符类中。比如， \[dABCDEF\] 匹配任意合法的 16 进制数， \[^W\_\] 匹配任何字母或数字但不匹配下划线。Q 和 E 可忽略正则表达式元字符，

w+Q.$.E$

该模式会匹配一个或多个单词字符，紧接着一个点号，一个$，一个点号， 最后锚向字符串末尾；K 可以用于重置匹配，比如 footKbar 匹配”footbar”，但是得到的匹配结果是 ”bar”。

注释

模式中形如“(?\# comments)”的部分表示注释内容。如果设置了 PCRE\_EXTENDED 选项， 一个字符类外部的未转义的 \# 字符就代表本行剩余部分为注释。

递归模式(?R)

(?R) 提供了递归的这种特殊用法，如

(((?>\[^()\]+)|(?R))\*)

该模式可匹配字串(ab(cd)ef)。

分隔符

分隔符可以使任意非字母数字、非反斜线、非空白字符，如正斜线(/)、hash符号(\#)、取反符号(~)等。

后向引用

(?1)、(?2)、(?P>name)、(?P&name)、(?P=name)、1、k、k’name’、k\{name\}、g\{name\}等形式可以用于引用之前定义的子组。需注意，n复用匹配结果，而(?n)、(?P>name)、(?P&name)复用模式。(a|(bc))2 总是在匹配 ”a” 开头而不是 ”bc” 开头的字符串时失败，故可以换成(a|(bc))(?2)。对后向引用后有数字可以空格分隔并使用x修饰符，或使用g\{n\}这种格式(序列1， g1，g\{1\}之间是同义关系)，(foo)(bar)g\{-1\} 可以匹配字符串 ”foobarbar”。子组内部后向引用自己(a1)会失败，但(a|b1)\*遇到aba会成功；也就是模式在第一次迭代的时候，必须能够保证不需要匹配后向引用。

PCRE不允许前瞻断言的量词修饰

(?!a)\{3\}并不意味着接下来 3 个字符不是 a，而是断言下一个字符不是 a 并进行了 3 次断言。

//verify email address

//$match: Array ( \[0\] => w12aqe\_@124afasf.com \[1\] => 124afasf. )

$patt = '/^(?!\_|-)(?>\[w-\]+)@(?!-)(?>((?>\[a-zA-Z0-9-\]+).)+)\[a-zA-Z\]\{2,46\}$/';preg\_match($patt,'w12aqe\_@124afasf.com',$match);//$match: Array ( \[0\] => Sunday \[day\] => Sunday \[1\] => Sunday )

$patt = '/(?:(?i)saturday|sunday)/';preg\_match($patt,'Sunday',$match);//$match: Array ( \[0\] => Sunday \[1\] => Sun )

$patt = '/(?|(Sat)ur|(Sun))day/';preg\_match($patt,'Sunday',$match);//子组发生重复多次匹配时，捕获的是最新一次的值

//$match: Array ( \[0\] => (ab(cd)ef) \[1\] => ab(cd)ef \[2\] => ef )

$patt = '/( ( ( (?>\[^()\]+) | (?R) )\* ) )/x';preg\_match($patt,'(ab(cd)ef)',$match);//命名子组可通过名称或序号来再次引用

//$match: Array ( \[0\] => 23ab45cd56 \[number\] => 23 \[1\] => 23 )

$patt = '/^(?Pd+)ab(?P>number)cd(?1)$/';preg\_match($patt,'23ab45cd56',$match);//下列模式相当于^.\*abcd$

//$match: Array ( \[0\] => 23abcd )

$patt = '/^(?>.\*)(?<=abcd)/';preg\_match($patt,'23abcd',$match);//下列模式用于XML去空及压缩

$package = '<?xml version="1.0" encoding="UTF-8"?>

atgtca

ad m

111111