php 正则表达式

正则表达式
正则表达式是描述字符排列和匹配模式的一种语法规则，它主要用于字符串的分割，匹配，查找，替换等操作。在PHP中正则表达式一般是由正规字符和一些特殊字符（类似于通配符）联合构成的一个文本模式的程序性描述。

PHP中正则表达式有三个作用。
- 匹配常常用于从字符串中析取信息
- 用新文本代替匹配文本
- 将一组字符串拆分为一组更小的信息块

正则表达式的组成：
- 定界符
- 原子
- 元字符
- 模式修正符
如下例匹配超链接：

'/<a.*?(?:|\\t|\\r|\\n)?href=[\"]?(.+?)[\"]?(?:(?:|\\t|\\r|\\n)+.*?)?>(.+?)<\/a.*?>/sim'
//定界符：两个斜线”/”。
//原子:用到了< a href = ‘ “ / >等普通字符和\t \r \n等转义字符
//元字符:使用了 [] () | . ? * + 等具有特殊含义的字符
//模式修正符:是在定界符最后一个斜线之后的三个字符: s i m

定界符
作为定界符常使用正斜线“/”，如“/apple/”。用户只要把需要匹配的模式内容放入定界符之间即可。作为定界的字符也不仅仅局限于“/”。除了字母、数字和反斜线“\”以外的任何字符都可以作为定界符，像“#”、“|”、“!”等都可以的。

/<\/\w+>/           //使用正斜线作为定界符合法
|(\d{3})-\d+|Sm     //使用竖线”|”作为定界符合法
!^(?i)php[34]!      //使用竖线”!”作为定界符合法
{^\s+(\s+)?$}       //使用竖线”}”作为定界符合法
/href=‘(.*)’        //非法定界符，缺少结束定界符
1-\d3-\d3-\d4|      //非法定界符，缺少其实定界符

原子
原子是正则表达式的最基本的组成单元，而且在每个模式中最少要少包含一个原子。原子是由所有那些未显示指定为元字符的打印和非打印字符组成，具体分为5类。
1.普通字符作为原子： 如 a~z、A~Z、0~9 等
2.一些特殊字符和转义后元字符作为原子：所有标点符号，但语句特殊意义的符号需要转义后才可作为原子，如：\” \’ * + \? . 等
3.一些非打印字符作为原子： 如：\f \n \r \t \v \cx
4.使用“通用字符类型”作为原子：如：\d \D \w \W \s \S
5.自定义原子表([])作为原子：如：’/[apj]sp/’ ’/[^apj]sp/’

正则表达式中常用的非打印字符：

原子字符	含义描述
\cx	匹配由x指明的控制字符。如\cM匹配一个Control-M或回车符。x的值必须为A~Z或a~z之一。
\f	匹配一个换页符。等价于 \x0c或\cL
\n	匹配一个换行符。等价于 \x0a或\cJ
\r	匹配一个回车符。等价于 \x0d或\cM
\t	匹配一个制表符。等价于 \x09或\cI
\v	匹配一个垂直制表符。等价于 \x0b或\cK

正则表达式中常用的通用字符：

原子字符	含义描述
\d	匹配任意一个十进制数字，等价于[0-9]
\D	匹配任意一个除十进制数字以外的字符，等价于[^0-9]
\w	匹配任意一个数字、字母或下画线，等价于[0-9a-zA-Z_]
\W	匹配一个除数字、字母或下画线以外的任意一个字符，等价于[^0-9a-zA-Z_]
\s	匹配任意一个空白符，等价于[\f\n\r\t\v]
\S	匹配除空白符以外任何字符，等价于[^\f\n\r\t\v]

自定义原子表(“[ ]”)
中括号中的任意一个字符，例如：
[13579] ：表示匹配字符串中的1,3,5,7,9。
[^a-zA-Z] ： ^匹配除了列表中的任意字符。

正则表达式中的点（”.”）
默认情况下，点(.)能代表除换行符以外的任意原子。在加上模式修正符s以后能代表所有原子。

元字符
元字符： 不能在正则表达式中单独使用， 用来修饰原子的。常用的元字符：

元字符	含义描述
*	匹配0次、1次或多次其前的原子
+	匹配1次或多次其前的原子
?	匹配0次或1次其前的原子
|	匹配两个或多个分支选择
{m}	表示其前面的原子恰好出现m次
{m,n}	表示其前面的原子至少出现m次，最多出现n次
{m,}	表示其前面的原子出现不小于m次
^或\A	匹配输入字符串的开始位置（或在多行模式下行的开头，即紧随一个换行符之后）
$或\S	匹配输入字符串的结束位置（或在多行模式下行的结尾，即紧随一个换行符之前）
\b	匹配单词的边界
\B	匹配除单词边界以外的部分
( )	匹配其整体为一个原子，即模式单元。可以理解为由多个单个原子组成的大原子

正则表达式中的小括号（）的作用

第一个作用： 改变优先级别

function p_match($reg,$str){
    if(preg_match($reg,$str,$arr)){
        echo "match the reg!";
    }else{
        echo "no match!";
    }
}
$str = "this is a test code";
$reg = "/test|code/";
p_match($reg,$str);
//结果为： match the reg!

在正则表达式中 “或 |” 的优先级最低 ,所以上面的正则表达式是匹配”test”或是”code” ，而不是竖线两边的”t”和“c”，但是通过添加 括号（）可以改变这种优先级的顺序。

 $str = "this is a test code";
 $reg = "/tes(t|c)ode/";
 p_match($reg,$str);  // no match!

 $str = "this is a testode";
 p_match($reg,$str);  // match the reg!

 $str = "this is a tescode";
 p_match($reg,$str);// match the reg!

第二个用用： 将小原子，变成大原子

 $str = "this is a test code";
 $reg = "/code/";
 p_match($reg,$str);  // match the reg!

以上正则是匹配一个code 字符串，通过括号可以变成一个大原子

 $str = "this is a test code";
 $reg = "/cod(e)*/";
 p_match($reg,$str);  // match the reg!

可以匹配code后面接任意多个’e’字符的字符串。

 $str = "this is a test codeeeeeeee";
 $reg = "/cod(e)*/";
 p_match($reg,$str);  // match the reg!

第三个作用： 子模式, 整个表达式是一个大的模式， 小括号中是每个独立的子模式
例如匹配一个域名：

   $str = "http://www.opentip.com";
   $reg = "/http\:\/\/.*\.com/s";
   if(preg_match($reg,$str,$arr)){
        echo "match the reg!"."\n";
        echo "result:\n";
        print_r($arr);
   }else{
       echo "no match!";
   }
//match the reg!
//result:
//Array([0] => http://www.opentip.com)

当需要在域名中匹配协议，主机时可以通过添加括号构成子模式来完成。

  $str = "http://www.opentip.com";
  $reg = "/(http)\:\/\/(.*)\.(com)/s";
   if(preg_match($reg,$str,$arr)){
        echo "match the reg!"."\n";
        echo "result:\n";
        print_r($arr);
   }else{
       echo "no match!";
   }
//match the reg!
//result:
//Array(
   [0] => http://www.opentip.com //全模式
   [1] => http                   //第一个子模式
   [2] => www.opentip            //第二个子模式
   [3] => com                    //第三个子模式
)

第四个作用： 反向引用