PHP进阶（第三弹：正则表达式）

简介

正则表达式就是用一些特定的字符组合成一个规则字符串，也叫为正则匹配模式。
先来看一个例子：

$p = '/dog/';
$str = "it is a dog";
if (preg_match($p, $str)) {
    echo 'matched';
}

其中字符串/dog/就是一个正则表达式，他用来匹配源字符串中是否存在dog字符串。

PHP中使用PCRE库函数进行正则匹配，比如上例中的preg_match用于执行一个正则匹配，用来判断字符是否存在。

基本语法

PCRE库函数中，正则匹配模式使用分隔符与元字符组成，分隔符可以是非数字、非反斜线、非空格的任意字符。常用的分隔符是正斜线/、hash符号# 以及取反符号~，如：

/dog/
#dog#
~dog~

如果模式本身包含分隔符，则分隔符需要使用反斜杠\进行转义。如：/http:\/\//
如果模式中包含较多的分隔字符，建议更换其他的字符作为分隔符，也可以采用preg_quote进行转义。

$p = 'http://';
$p = '/'.preg_quote($p, '/').'/';
echo $p;

分隔符后面可以使用模式修饰符，模式修饰符包括：i, m, s, x等，例如使用i修饰符可以忽略大小写匹配：

$str = "Http://";
if (preg_match('/http/i', $str)) {
    echo '匹配成功';
}

元字符

正则表达式中具有特殊含义的字符称之为元字符，常用的元字符有：

元字符	含义
\	一般用于转义字符
^	断言目标的开始位置(或在多行模式下是行首)
$	断言目标的结束位置(或在多行模式下是行尾)
.	匹配除换行符外的任何字符(默认)
[	开始字符类定义
]	结束字符类定义
竖线(右斜杠上面的那个)	开始一个可选分支
(	子组的开始标记
)	子组的结束标记
?	量词，表示0次或1次匹配。
*	量词，表示0次或多次匹配
+	量词，表示1次或多次匹配
{	自定义量词开始标记
}	自定义量词结束标记

另外，^在方括号外面，表示断言目标的开始位置，但在方括号内部则代表字符类取反，方括号内的减号-可以标记字符范围，例如0-9表示0到9之间的所有数字。

看几个例子：

// \s匹配任意的空白符，包括空格，制表符，换行符。[^\s]代表非空白符。[^\s]+表示一次或多次匹配非空白符。
$p = '/^它[^\s]+(狗|猫)$/';
$str = "它是一只狗";
if (preg_match($p, $str)) {
    echo '匹配成功';
}

// \d匹配数字
$p = '/\d+\-\d+/';
$str = "电话是010-12345678";
preg_match($p, $str, $match);
echo $match[0];

// \w匹配字母或数字或下划线。
$p = '/[\w\.\-]+@[a-z0-9\-]+\.(com|cn)/';
$str = "邮箱是123.abc@qq.com";
preg_match($p, $str, $match);
echo $match[0];

贪婪模式与懒惰模式

上面讲过，?表示0次或1次匹配，+表示1次或多次匹配，这里还有另外一层意思，就是说当使用+之后将会变的贪婪，它将匹配尽可能多的字符，但使用?时，它将尽可能少的匹配字符，即懒惰模式。
贪婪模式就是说，在可匹配与可不匹配的时候，优先匹配，如：

$p = '/\d+\-\d+/';
$str = "电话是010-12345678";
preg_match($p, $str, $match);
echo $match[0]; // 结果为：010-12345678

懒惰模式就是说，在可匹配与可不匹配的时候，优先不匹配，如：

$p = '/\d?\-\d?/';
$str = "电话是010-12345678";
preg_match($p, $str, $match);
echo $match[0];  //结果为：0-1

当我们知道所匹配的字符长度的时候，可以使用{}指定匹配字符数，如：

$p = '/\d{3}\-\d{8}/';
$str = "电话是010-12345678";
preg_match($p, $str, $match);
echo $match[0]; //结果为：010-12345678

preg_match

其实在上面的例子中我们已经看到这个preg_match了。preg_match用来执行一个匹配，可以简单的用来判断模式是否匹配成功，或者取得一个匹配结果，他的返回值是匹配成功的次数0或者1，在匹配到1次以后就会停止搜索。
如：

$subject = "abcdefg";
$pattern = '/a(.*?)d/';
preg_match($pattern, $subject, $matches);
print_r($matches); // 结果为：Array ( [0] => abcd [1] => bc )

preg_match_all

preg_match只能匹配一次结果，而preg_match_all可以循环获取一个列表的匹配结果数组。
看一个例子：

$str = "<ul>
            <li>li1</li>
            <li>li2</li>
        </ul>";
// 后面的i表示不区分大小写，
// <li>(.*)<\/li>表示li标签内匹配()内的值有多少，
// 括号内的.表示所有单字符，
// *表示数量为0个或者多个。也就是li标签内有字符就显示出来
$p = "/<li>(.*)<\/li>/i";
preg_match_all($p, $str, $matches);
print_r($matches[1]);

输出如下：

<pre>Array ( [0] => li1 [1] => li2 )

再看一个复杂一点的例子：

$p = "|<[^>]+>(.*?)</[^>]+>|i";
$str = "<b>example: </b><div align=left>this is a test</div>";
preg_match_all($p, $str, $matches);
print_r($matches);

输出如下：

Array ( [0] => Array ( [0] => example: [1] =>
this is a test
) [1] => Array ( [0] => example: [1] => this is a test ) )

再看一个例子：

$p = "/<tr><td>(.*?)<\/td>\s*<td>(.*?)<\/td>\s*<\/tr>/i";
$str = "<table> <tr><td>Eric</td><td>25</td></tr> <tr><td>John</td><td>26</td></tr> </table>";
preg_match_all($p, $str, $matches);
print_r($matches);

输出如下：

Array ( [0] => Array ( [0] => Eric25 [1] => John26 ) [1] => Array ( [0] => Eric [1] => John ) [2] => Array ( [0] => 25 [1] => 26 ) )

$matches[0]保存完整模式的所有匹配, $matches[1] 保存第一个子组的所有匹配，$matches[2] 保存第二个子组的所有匹配，以此类推。

正则表达式的搜索和替换

调整字符串的日期格式：

$string = 'Aug 30, 2017';
$pattern = '/(\w+) (\d+), (\d+)/i';
// ${1}与$1的写法是等效的，表示第一个匹配的字串，$2代表第二个匹配的，以此类推
$replacement = '$3, ${1} $2';
echo preg_replace($pattern, $replacement, $string); //结果为：2017, Aug 30

去掉多余的空格与字符：

$str = 'abc     def';
$str = preg_replace('/\s+/', ' ', $str);
echo $str; // 结果改变为'abc def'

把文件名替换成file标签包围的形式：

$str = 'file：abc.txt, 123.mp4, def.php';
$p = '/\w+\.\w+/i';
$str = preg_replace($p, '<file>$0</file>', $str);
echo $str;

再看个复杂的例子：

$patterns = array ('/(19|20)(\d{2})-(\d{1,2})-(\d{1,2})/',
                   '/^\s*{(\w+)}\s*=/');
$replace = array ('\3/\4/\1\2', '$\1 =');//\3等效于$3,\4等效于$4，依次类推
echo preg_replace($patterns, $replace, '{startDate} = 2017-8-30'); 
// 结果为：$startDate = 5/27/1999
// 解释如下：
// (19|20)表示取19或者20中任意一个数字，(\d{2})表示两个数字，(\d{1,2})表示1个或2个数字，
// ^\s*{(\w+)}\s*=表示以任意空格开头的，并且包含在{}中的字符，并且以任意空格结尾，最后有个=号。

常用场合

正则匹配常用在表单验证上，如：

<?php
$user = array(
    'name' => 'grace2017',
    'email' => 'grace@qq.com',
    'mobile' => '17011288888'
);
// 进行一般性验证
if (empty($user)) {
    die('用户信息不能为空');
}
if (strlen($user['name']) < 6) {
    die('用户名长度最少为6位');
}
// 用户名必须为字母、数字与下划线
if (!preg_match('/^\w+$/i', $user['name'])) {
    die('用户名不合法');
}
// 验证邮箱格式
if (!preg_match('/^[\w\.]+@\w+\.\w+$/i', $user['email'])) {
    die('邮箱不合法');
}
// 手机号必须为11位数字，且为1开头
if (!preg_match('/^1\d{10}$/i', $user['mobile'])) {
    die('手机号不合法');
}
echo '用户信息验证成功';