正则表达式匹配规则

 正则表达式匹配规则 

--USBdrivers

7.1 基本模式匹配

　　 一切从最基本的开始。模式，是正规表达式最基本的元素，它们是一组描述字符串特征的字符。模式可以很简单，由普通的字符串组成，也可以非常复杂，往往用特殊的字符表示一个范围内的字符、重复出现，或表示上下文。例如：

^once 

　　这个模式包含一个特殊的字符^，表示该模式只匹配那些以once开头的字符串。例如该模式与字符串"once upon a time"匹配，与"There once was a man from NewYork"不匹配。正如如^符号表示开头一样，$符号用来匹配那些以给定模式结尾的字符串。

bucket$ 

　　这个模式与"Who kept all of this cash in a bucket"匹配，与"buckets"不匹配。字符^和$同时使用时，表示精确匹配（字符串与模式一样）。例如：

^bucket$ 

　　只匹配字符串"bucket"。如果一个模式不包括^和$，那么它与任何包含该模式的字符串匹配。例如：模式

once 

与字符串

There once was a man from NewYork

Who kept all of his cash in a bucket.

是匹配的。

　　 在该模式中的字母(o-n-c-e)是字面的字符，也就是说，他们表示该字母本身，数字也是一样的。其他一些稍微复杂的字符，如标点符号和白字符（空格、制表符等），要用到转义序列。所有的转义序列都用反斜杠(\)打头。制表符的转义序列是：\t。所以如果我们要检测一个字符串是否以制表符开头，可以用这个模式：

^\t 

类似的，用\n表示“新行”，\r表示回车。其他的特殊符号，可以用在前面加上反斜杠，如反斜杠本身用\\表示，句号.用\.表示，以此类推。

7.2 字符簇

在INTERNET的程序中，正规表达式通常用来验证用户的输入。当用户提交一个FORM以后，要判断输入的电话号码、地址、EMAIL地址、信用卡号码等是否有效，用普通的基于字面的字符是不够的。

所以要用一种更自由的描述我们要的模式的办法，它就是字符簇。要建立一个表示所有元音字符的字符簇，就把所有的元音字符放在一个方括号里：

[AaEeIiOoUu] 

这个模式与任何元音字符匹配，但只能表示一个字符。用连字号可以表示一个字符的范围，如：

[a-z] //匹配所有的小写字母 

[A-Z] //匹配所有的大写字母 

[a-zA-Z] //匹配所有的字母 

[0-9] //匹配所有的数字 

[0-9\.\-] //匹配所有的数字，句号和减号 

[ \f\r\t\n] //匹配所有的白字符 

同样的，以上这些只表示一个字符，这是一个非常重要的。如果要匹配一个由一个小写字母和一位数字组成的字符串，比如"z2"、"t6"或"g7"，但不是"ab2"、"r2d3" 或"b52"的话，用这个模式：

^[a-z][0-9]$ 

尽管[a-z]代表26个字母的范围，但在这里它只能与第一个字符是小写字母的字符串匹配。

前面曾经提到^表示字符串的开头，但它还有另外一个含义。当在一组方括号里使用^是，它表示“非”或“排除”的意思，常常用来剔除某个字符。还用前面的例子，我们要求第一个字符不能是数字：

^[^0-9][0-9]$ 

这个模式与"&5"、"g7"及"-2"是匹配的，但与"12"、"66"是不匹配的。下面是几个排除特定字符的例子：

[^a-z] //除了小写字母以外的所有字符 

[^\\\/\^] //除了(\)(/)(^)之外的所有字符 

[^\"\'] //除了双引号(")和单引号(')之外的所有字符 

特殊字符"." (点，句号)在正规表达式中用来表示除了“新行”之外的所有字符。所以模式"^.5$"与任何两个字符的、以数字5结尾和以其他非“新行”字符开头的字符串匹配。模式"."可以匹配任何字符串，除了空串和只包括一个“新行”的字符串。

PHP的正规表达式有一些内置的通用字符簇，列表如下：

字符簇 含义 

[[:alpha:]] 任何字母 

[[:digit:]] 任何数字 

[[:alnum:]] 任何字母和数字 

[[:space:]] 任何白字符 

[[:upper:]] 任何大写字母 

[[:lower:]] 任何小写字母 

[[:punct:]] 任何标点符号 

[[:xdigit:]] 

7.3 确定重复出现

到现在为止，你已经知道如何去匹配一个字母或数字，但更多的情况下，可能要匹配一个单词或一组数字。一个单词有若干个字母组成，一组数字有若干个单数组成。跟在字符或字符簇后面的花括号({})用来确定前面的内容的重复出现的次数。 

字符簇 含义 

^[a-zA-Z_]$ 所有的字母和下划线 

^[[:alpha:]]{3}$ 所有的3个字母的单词 

^a$ 字母a 

^a{4}$ aaaa 

^a{2,4}$ aa,aaa或aaaa 

^a{1,3}$ a,aa或aaa 

^a{2,}$ 包含多于两个a的字符串 

^a{2,} 如：aardvark和aaab，但apple不行 

a{2,} 如：baad和aaa，但Nantucket不行 

\t{2} 两个制表符 

.{2} 所有的两个字符 

这些例子描述了花括号的三种不同的用法。一个数字，{x}的意思是“前面的字符或字符簇只出现x次”；一个数字加逗号，{x,}的意思是“前面的内容出现x或更多的次数”；两个用逗号分隔的数字，{x,y}表示“前面的内容至少出现x次，但不超过y次”。我们可以把模式扩展到更多的单词或数字：

^[a-zA-Z0-9_]{1,}$ //所有包含一个以上的字母、数字或下划线的字符串 

^[0-9]{1,}$ //所有的正数 

^\-{0,1}[0-9]{1,}$ //所有的整数 

^\-{0,1}[0-9]{0,}\.{0,1}[0-9]{0,}$ //所有的小数 

最后一个例子不太好理解，是吗？这么看吧：与所有以一个可选的负号(\-{0,1})开头(^)、跟着0个或更多的数字([0-9]{0,})、和一个可选的小数点(\.{0,1})再跟上0个或多个数字([0-9]{0,})，并且没有其他任何东西($)。下面你将知道能够使用的更为简单的方法。

特殊字符"?"与{0,1}是相等的，它们都代表着：“0个或1个前面的内容”或“前面的内容是可选的”。所以刚才的例子可以简化为：

^\-?[0-9]{0,}\.?[0-9]{0,}$ 

特殊字符"*"与{0,}是相等的，它们都代表着“0个或多个前面的内容”。最后，字符"+"与 {1,}是相等的，表示“1个或多个前面的内容”，所以上面的4个例子可以写成：

^[a-zA-Z0-9_]+$ //所有包含一个以上的字母、数字或下划线的字符串 

^[0-9]+$ //所有的正数 

^\-?[0-9]+$ //所有的整数 

^\-?[0-9]*\.?[0-9]*$ //所有的小数 

当然这并不能从技术上降低正规表达式的复杂性，但可以使它们更容易阅读。

下面是实际当中可能用到的一些例子

我们使用正则表达式最多的就是要实现正则表达式匹配的判断，那么我们在实际工作中经常会遇到什么需要匹配的呢？下面我们来看看彪悍的正则表达式匹配。

高效正则表达式匹配实例：

  
  
匹配中文字符的正则表达式：   
 
[\u4e00-\u9fa5]  
//匹配中文还真是个头疼的事，有了这个表达式就好办了  
 
匹配双字节字符(包括汉字在内)：  
 
[^\x00-\xff]  
//可以用来计算字符串的长度  
//（一个双字节字符长度计2，ASCII字符计1）  
 
匹配空白行的正则表达式：  
 
\n\s*\r  
//可以用来删除空白行  
 
匹配HTML标记的正则表达式：  
 
<(\S*?)[^>]*>.*?</\1>|<.*? />  
//网上流传的版本太糟糕，上面这个也仅仅能匹配部分，  
//对于复杂的嵌套标记依旧无能为力  
 
匹配首尾空白字符的正则表达式：  
 
^\s*|\s*$  
//可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，  
//非常有用的表达式  
 
匹配Email地址的正则表达式：  
 
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*  
//表单验证时很实用  
 
匹配网址URL的正则表达式：  
 
[a-zA-z]+://[^\s]*  
//网上流传的版本功能很有限，上面这个基本可以满足需求  
 
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：  
 
^[a-zA-Z][a-zA-Z0-9_]{4,15}$  
//表单验证时很实用  
 
匹配国内电话号码：  
 
\d{3}-\d{8}|\d{4}-\d{7}  
//匹配形式如 0511-4405222 或 021-87888822  
 
匹配腾讯QQ号：  
 
[1-9][0-9]{4,}  
//腾讯QQ号从10000开始  
 
//匹配中国邮政编码：  
 
[1-9]\d{5}(?!\d)  
//中国邮政编码为6位数字  
 
匹配身份证：  
 
\d{15}|\d{18}  
//中国的身份证为15位或18位  
 
匹配ip地址：  
 
\d+\.\d+\.\d+\.\d+  
//提取ip地址时有用