RegExp

PHP 中的正则表达式

1. 正则表达式简介
   1.1 什么是正则
   ① /^[0-9a-zA-Z_-]+@[0-9a-zA-Z_-]+(.[0-9a-zA-Z_-]+){0,3}$/ 就是正则
   ② 正则表达式是用于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模式分割、匹配、查找及替换操作。
   到目前为止，我们前面所用过的精确（文本）匹配也是一种正则表达式。
   ③ 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。

   1.2 正则表达式的作用
   ① 匹配，也常常用于从字符串中析取信息。
   ② 用新文本代替匹配文本。
   ③ 将一个字符串拆分为一组更小的信息块。

   1.3 学习正则的流程
   ① 语法学习
   ② 函数学习

   1.4 正则的故事
   ① 在PHP中有两套正则表达式函数库，两者功能相似，只是执行效率略有差异：
   一套是由PCRE（Perl Compatible Regular Expression）库提供的。使用“preg_”为前缀命名的函数；
   一套由POSIX（Portable Operating System Interface of Unix ）扩展提供的。使用以“ereg_”为前缀命名的函数；
   ② PCRE来源于Perl语言，而Perl是对字符串操作功能最强大的语言之一，PHP的最初版本就是由Perl开发的产品。
   ③ PCRE语法支持更多特性，比POSIX语法更强大。

2. 正则表达式的语法规则
   2.1 定界符
   在程序语言中，使用与Perl兼容的正则表达式，通常都需要将模式表达式放入定界符之间，如“/”。
   作为定界的字符也不仅仅局限于“/”。除了字母、数字和斜线“\”以外的任何字符都可以作为定界符，像 ‘#’、’|’、’!’ 等都可以的。

   2.2 原子
   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
   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
   4. 使用“通用字符类型”作为原子：如：\d \D \w \W \s \S。
   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]
   \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]
   \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_]
   5. 自定义原子表([])作为原子：如：’/[apj]sp/’ ’/[^apj]sp/’ [] [^]

   2.3 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} 表示其前面的原子恰好出现n次
   {n,} 表示其前面的原子出现不小于n次
   {n,m} 表示其前面的原子至少出现n次，最多出现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\Z 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
   [] 匹配方括号中指定的任意一个原子
   [^] 匹配除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。可以理解为由多个单个原子组成的大原子

       1. 字符串边界限制
           元字符“^”或“\A” 置于字符串的开始确保模式匹配出现在字符串首端；
           元字符“$”或“\Z” 置于字符串的结束，确保模式匹配出现字符串尾端。
       2. 单词边界限制
           元字符“\b”对单词的边界进行匹配；
           元字符“\B”对除单词边界以外的部分进行匹配。
       3. 重复匹配
           元字符“?”:表示0次或1次匹配紧接在其前的原子。
           元字符“*”:表示0次、1次或多次匹配紧接在其前的原子。
           元字符“+”:表示1次或多次匹配紧接在其前的原子。
       4. 任何一个字符
           元字符“.”匹配除换行符外任何一个字符。
           通常可以使用“.*”组合来匹配除换行符外的任何字符。在一些书籍中也称其为“全匹配符” 或 “单含匹配符”。
       5. 重复匹配
           元字符“{ }”准确地指定原子重复的次数，指定所匹配的原子出现的次数。
         “{m}”   表示其前原子恰好出现m次。
         “{m，n}”表示其前原子至少出现m次，至多出现n次。
         “{m，}” 表示其前原子出现不少于m次。
       6. 原子表 －方括号表达式
           原子表”[]”中存放一组原子，彼此地位平等，且仅匹配其中的一个原子。
           原子表 ”[^]” 或者称为排除原子表，匹配除表内原子外的任意一个字符。
           原子表“[-]”用于连接一组按ASCII码顺序排列的原子，简化书写。  
       7. 模式选择符
           元字符“|”又称模式选择符。在正则表达式中匹配两个或更多的选择之一。
       8. 模式单元
           元字符“（）”将其中的正则表达式变为原子（或称模式单元）使用。与数学表达式中的括号类似，“（）”可以做一个单元被单独使用。
       9. 重新使用的模式单元 
           系统自动将模式单元“（）”中的匹配依次存储起来，在需要时可以用“\1”、“\2”、“\3”的形式进行引用。
           当正则表达式包含有相同的模式单元时，这种方法非常便于对其进行管理。注意使用时需要写成“\\1”、“\\2”
           当不需要存储匹配结果时使用非存储模式单元“（？：）” 
           例如/(?:a|b|c)(D|E|F)\\1g/ 将匹配“aEEg”。在一些正则表达式中，使用非存储模式单元是必要的。否则，需要改变其后引用的顺序。
       10. 模式匹配优先级
           顺序      元字符                         描述
           1           \                                   转义字符
           2           ()  (?:)  (?=)  []              模式单元和原子表
           3           *  +   ?  {n}  {n,} {n,m}   重复匹配
           4           ^  $  \b  \B  \A   \Z      边界限制
           5           |                                   模式选择
   

   2.4 模式修正符
   修正符 含义描述
   i 在和模式进行匹配时不区分大小写
   m 将字符串视为多行。默认的正则开始“^”和结束“$”将目标字符串作为单一的一“行”字符。加上m后，那么开始和结束将会指字符串的每一行。
   s 如果设定了此修正符，模式中的圆点元字符“.”匹配所有的字符，包括换行符。即将字符串视为单行，换行符作为普通字符看待
   x 模式中的空白忽略不计，除非它已经被转义
   e 只用在preg_replace()函数中，在替换字符串中对逆向引用做正常的替换，将其作为 PHP 代码求值，并用其结果来替换所搜索的字符串。
   U 本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（如启.*?）来用此选项。

3. 与Perl兼容的正则表达式函数
   3.1 子符串的匹配与查找函数
   preg_math()
   preg_match_all()
   preg_grep()

   3.2 字符串的替换函数
   preg_replace()
   preg_replace_callback()
   preg_fliter()

   3.3 字符串的分割与连接
   preg_split()

   3.4 其他
   preg_quote()
   preg_last_error()