谈谈PHP的正则表达式

最近在写一个微博客户端，很多逻辑功能实现想自己重新写一遍。其中遇到微博的用户名匹配问题。困扰了很久。终于解决，于是乎对PHP的正则匹配模式有了一定的认识。在这里记录一下，一来当作笔记以作以后的复习，二来也希望能跟大家分享一下经验。


具体说一下我遇到的问题吧，大家对新浪微博也十分清楚了。对于正则表达式匹配用户名这一块网上也有许多实现。我在这里也不打算多讲。
但是其中遇到的就是当正则表达式中包含中文字符的时候（其实对于包含中文汉字的正则表达式也可能会出错），匹配结果的输出会出现乱码。而这个乱码是大家很熟悉的“�”，哈？不知道？那我告诉你，当UTF-8的字符被解析为GBK的时候，且UTF-8字符在转换到GBK的时候无法找到对应的编码，就会出现这个“�”。


很明显，这就是编码问题导致的。如何解决？网上有许多网友也很纠结。我也是谷歌了半天也不见答案。于是乎，最终只能苦逼地去PHP官网找文档了。


皇天不负有心人，我在这个页面找到了答案：http://php.net/manual/zh/reference.pcre.pattern.modifiers.php


这里解释的是PHP关于正则表达式的各种模式（基于类似于perl的正则匹配模式的，所以用的是PCRE）


在这里问简略地解释一下：


i模式：大小字母不敏感匹配


m模式：单行匹配


s模式：“.”修饰符所有匹配，也就是能够匹配换行符，也可以理解为多行匹配


x模式：非严格匹配，对于不能解析的字符，采取的是忽略匹配方式，但不能忽略空格


e模式：执行匹配，在匹配字段前会对替换表达式进行eval操作，也就是语句执行，再替换符合表达式的结果


A模式：“锚定”模式，匹配从目标字符串开始位置搜索


D模式：忽略换行模式，一般来说$匹配字符串末尾或者是换行符，但是在这种模式下，换行符将会被忽略


S模式：非“锚定”模式，这个我可能还得去实践一下才能了解具体功能，但是根据文档的解释，这是一直多数据匹配的性能优化模式


U模式：非贪婪模式，不需多说


X模式：事实上没多大用，就是当不需要转义的字符被转义了，表达式将会报错


J模式：允许字组重名的一个模式


u模式：BINGO！That's what I want！在这个模式下，模式字符串会被认为是UTF-8编码，于是乎，用了这种模式，匹配的结果不再出现乱码！


而对于PHP的中文匹配，可能大多数人都了解，\x{4e00}-\x{9fa5}就是中文符集，在此不再多说。