关于PHP正则表达式的总结

一、 PHP中支持PCRE库提供的（以”preg_”为前缀，表达式都应被包含在定界符中，如”/”、”#”、”！”、”{}”、”|”等）和POSIX扩展语法的（以”ereg_”为前缀）两套正则表达式函数。

 

二、  PHP中与Perl语言兼容的正则表达式处理函数

Ø  preg_match($pattern, $content) –进行正则表达式的匹配，如果$content中含有与模式$pattern匹配的串，则返回true，否则返回false；

Ø  preg_match_all() –进行全局正则表达式匹配；

Ø  preg_replace() –执行正则表达式的搜索和替换；

Ø  preg_split() –用正则表达式分割字符串；

Ø  preg_grep() –返回与模式匹配的数组单元；

Ø  preg_replace_callback() –用回调函数执行正则表达式的搜索和替换。

 

三、 正则表达式由原子（普通字符，例如a-z）、有特殊功能的字符（成为元字符，如*、+和?等）和模式修正符组成。一个最简单的正则表达式中至少包含一个原子。

Ø  原子

普通字符作为原子：a~z、A~Z、0~9等；

一些特殊字符和元字符作为原子：这些特殊字符在正则表达式中有特殊含义，就必须使用转义字符”\”取消它的特殊意义，如“””、“’”、“*”、“+”、“.”等，使用时需要像\”、\’、\*、\+、\.这样使用；

使用一些费打印字符作为原子：（例如：’/\n/’（回车换行，UNIX系统）、’/\r\n/’（回车换行，windows系统））

 1. \cx  匹配由x指明的控制字符，例如\cM代表Control-M或回车符。x的值必须为A~Z或a~z之一，否则，将视c为一个原义的c字符；

 2. \f  匹配一个换页符，等价于\x0c和\cL

 3. \n  匹配一个换行符，等价于\x0a和\cJ

 4. \r  匹配一个回车符，等价于\x0d和\cM

 5. \t  匹配一个制表符，等价于\x09和\cI

 6. \v  匹配一个垂直制表符，等价于\x0b和\cK

  使用通用字符类型作为原子：

 1. \d  匹配任意一个十进制数，等价于[0-9]

 2. \D  匹配一个除十进制数以外的字符，等价于[^0-9]

 3. \s   匹配任意一个空白字符，等价于[\f\n\t\v]

 4. \S   匹配除空白字符以外任意一个字符，等价于[^\f\n\t\v]

 5. \w  匹配任意一个数字、字母或下划线，等价于[0-9a-zA-Z_]

 6. \W  匹配除数字、字母和下划线以外的任意一个字符，等价于[^0-9a-zA-Z_]

  自定义原子表（[]）作为原子，如’/[aeiou]/’匹配除了aeiou之外的任意字符。

Ø  元字符（元字符不能单独使用，它必须用来修饰原子）

  正则表达式的元字符表如下

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
.	匹配除了换行符外的任意一个字符
|	匹配两个或多个分支选择
{n}	表示其前的原子恰好出现n次
{n,}	表示其前出现的原子出现至少n次
{n,m}	表示其前出现的原子至少出现n次，之多出现m次
^或\A	匹配字符串的开始位置（多行模式下行的开头，即紧随换行符之后）
$或\Z	匹配字符串的结束位置（多行模式下行的结尾，即紧随换行符之前）
\b	匹配单词的边界
\B	匹配除单词边界以外的部分
[]	匹配方括号中指定的任意一个原子
[^]	匹配方括号中的原子以外的任意一个字符
()	匹配其整体为一个原子，即模式单元，由多个单原子组成的大原子

  相关细节事项：

 1. 有一个字符串“thisis a test”，则有（’/^this/’与this匹配成功）（’/test$/’与test匹配成功）（’/\bis\b/’与is匹配成功）（’/\Bis\b/’与this匹配成功）；

 2. 可以使用“.*?”或“.+?”组合来匹配除换行符以外的任意字符串，其中的?是指匹配“.*”所匹配的字符串0次或1次；

 3.  模式“lamp|j2ee”表示可以匹配“lamp”，也可以匹配“j2ee”；

 4.  ‘/^\d{4}(\W)\d{2}\\1\d{2}$/’匹配如2015-03-11或2015/03/11的日期形式，其中（\W）被存入缓冲区中，\1是对它的引用；

 5.  可以使用“?:”、“?=”或“?!”来忽略对相关匹配的保存。如’/(?:win)(linux)\\1OS/’其中的\1 表示对Linux的引用，忽略了对win的存储；

 6.  模式匹配的优先级

顺序	元字符
1	\
2	()、(?:)、(?=)、[]
3	*、+、?、{n}、{n,}、{n,m}
4	^、$、\b、\B、\A、\Z
5	|

 

Ø  模式修正符（待深究）

模式修正符是标记在整个模式之外的.

1.  i :模式中的字符将同时匹配大小写字母.

2.  m :字符串视为多行.

3.  s :将字符串视为单行,换行符作为普通字符.

4.  x :将模式中的空白忽略.

5.  A :强制仅从目标字符串的开头开始匹配.

6.  D :模式中的美元元字符仅匹配目标字符串的结尾.

7.  U :匹配最近的字符串.

下面列出了当前在 PCRE中可能使用的PHP正则模式修正符。括号中是这些修正符的内部 PCRE 名。修正符中的空格和换行被忽略，其它字符会导致错误。

1.  i (PCRE_CASELESS)

如果设定此修正符，模式中的字符将同时匹配大小写字母。

2.  m（PCRE_MULTILINE）

默认情况下，PCRE 将目标字符串作为单一的一“行”字符所组成的（甚至其中包含有换行符也是如此）。“行起始”元字符（^）仅仅匹配字符串的起始，“行结束”元字符（$）仅仅匹配字符串的结束，或者最后一个字符是换行符时其前面（除非设定了 D 修正符）。这和 Perl 是一样的。

当设定了此修正符，“行起始”和“行结束”除了匹配整个字符串开头和结束外，还分别匹配其中的换行符的之后和之前。这和 Perl 的 /m 修正符是等效的。如果目标字符串中没有“\n”字符或者模式中没有 ^ 或 $，则设定此修正符没有任何效果。

3.  s（PCRE_DOTALL）

如果设定了PHP正则模式修正符，模式中的圆点元字符（.）匹配所有的字符，包括换行符。没有此设定的话，则不包括换行符。这和 Perl 的 /s 修正符是等效的。排除字符类例如 [^a] 总是匹配换行符的，无论是否设定了此修正符。

4.  x（PCRE_EXTENDED）

如果设定了此修正符，模式中的空白字符除了被转义的或在字符类中的以外完全被忽略，在未转义的字符类之外的 # 以及下一个换行符之间的所有字符，包括两头，也都被忽略。这和 Perl 的 /x 修正符是等效的，使得可以在复杂的模式中加入注释。然而注意，这仅适用于数据字符。空白字符可能永远不会出现于模式中的特殊字符序列，例如引入条件子模式的序列 (?( 中间。

5.  e 如果设定了此修正符，preg_replace() 在替换字符串中对逆向引用作正常的替换，将其作为 PHP 代码求值，并用其结果来替换所搜索的字符串。

只有preg_replace() 使用此修正符，其它 PCRE 函数将忽略之。

注意: 这个PHP正则模式修正符在 PHP3中不可用。

6.  A（PCRE_ANCHORED）

如果设定了此修正符，模式被强制为“anchored”，即强制仅从目标字符串的开头开始匹配。此效果也可以通过适当的模式本身来实现（在 Perl 中实现的唯一方法）。

7.  D（PCRE_DOLLAR_ENDONLY）

如果设定了这个PHP正则模式修正符，模式中的美元元字符仅匹配目标字符串的结尾。没有此选项时，如果最后一个字符是换行符的话，美元符号也会匹配此字符之前（但不会匹配任何其它换行符之前）。如果设定了 m 修正符则忽略此选项。Perl 中没有与其等价的修正符。

8.  S 

当一个模式将被使用若干次时，为加速匹配起见值得先对其进行分析。如果设定了此修正符则会进行额外的分析。目前，分析一个模式仅对没有单一固定起始字符的 non-anchored 模式有用。

9.  U（PCRE_UNGREEDY）

这个PHP正则模式修正符反转了匹配数量的值使其不是默认的重复，而变成在后面跟上“?”才变得重复。这和 Perl 不兼容。也可以通过在模式之中设定 (?U) 修正符或者在数量符之后跟一个问号（如 .*?）来启用此选项。

10.  X（PCRE_EXTRA）

此修正符启用了一个 PCRE 中与 Perl 不兼容的额外功能。模式中的任何反斜线后面跟上一个没有特殊意义的字母导致一个错误，从而保留此组合以备将来扩充。默认情况下，和 Perl 一样，一个反斜线后面跟一个没有特殊意义的字母被当成该字母本身。当前没有其它特性受此修正符控制。

11.  u（PCRE_UTF8）

此修正符启用了一个 PCRE 中与 Perl 不兼容的额外功能。模式字符串被当成 UTF-8。本修正符在 Unix 下自 PHP 4.1.0 起可用，在 win32 下自 PHP 4.2.3 起可用。自 PHP 4.3.5 起开始检查模式的 UTF-8 合法性。

 

四、  常用正则表达式

Ø  匹配URL ：

((http|ftp|https)://)(([a-zA-Z0-9\._-]+\.[a-zA-Z]{2,6})|([0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}))(:[0-9]{1,4})*(/[a-zA-Z0-9\&%_\./-~-]*)?

Ø  匹配邮箱地址：

^\w+@\w+(\.\w+){0,3}$

Ø  匹配日期：

^\d{4}(\W)\d{2}\\1\d{2}$