PHP正则表达式基础和应用

常用元字符

元字符	描述
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意空白符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束
-	表示范围
[]	匹配括号中的任意一个字符
*、+、？	量词
\W	匹配任意不是字母、数字、下划线、汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
[^x]	匹配除x以外的任意字符
[^aeiou]	匹配除了aeiou这几个字母以外的任意字符

常用分组语法

类别	代码/语法	描述
捕获	(exp)	匹配exp，并捕获文本到自动命名的组里
	(?<name>exp)	匹配exp，并捕获文本到名称为name的组里，也可以写成(?'name'exp)
	(?:exp)	匹配exp，不捕获匹配的文本，也不给此分组分配组号
零宽断言	(?=exp)	匹配exp前面的位置
	(?<=exp)	匹配exp后面的位置
	(?!exp)	匹配后面跟的不是exp的位置
	(?<!exp)	匹配前面不是exp的位置
注释	(?#comment)	​提供注释辅助阅读，不对正则表达式的处理产生任何影响

懒惰限定符

懒惰限定符代码/语法	描述
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

正则表达式的常用模式

1. 忽略大小写模式（i）：正则匹配将不区分待匹配内容的大小写

2. 多行模式（m）：多行匹配，^　可以匹配字符串开头（字符串的开始位置），也可以匹配行的开头（即换行符\n之后的位置）；$　可以匹配字符串结尾（字符串的结束位置）, 也可以匹配行的结尾（即换行符\n之前的位置）；

   \r 匹配 [CR]、\n 匹配[LF]   <——  CR为回车  LF为换行  
   字符串多个段落，比如
   ab
   cd
   e
   在windows操作系统中其实是：ab[CR][LF]cd[CR][LF]e

3. 点号通配模式（s）：使点号元字符可以匹配换行符

4. 懒惰模式（U）：懒惰匹配

5. 结尾限制（D）：如果使用$限制结尾字符，则不允许结尾有换行

6. 支持UTF-8转义表达式（u）：使用u修饰符，就可以使用UTF-8的转义表达，例"/^[\x{4e00}-\x{9fa5}]+$/u"
   

正则表达式的效率和优化

1）使用字符组代替分支条件

2）优先选择最左端的匹配结果

3）标准量词是匹配优先的

4）谨慎用点号元字符，尽可能不用星号和加号这样的任意量词

5）尽量使用字符串函数处理代替

6）合理使用括号

7）起始、行描点优化

8）量词等价转换的效率差异

9）对打而全的表达式进行拆分

10）使用正则以外的解决方案（PHP的字符串函数、PHP的Tokenizer系列函数、PHP的url函数及一些http函数、PHP的filer系列函数、JavaScript的DOM模型）

转义在数据安全中的应用

php中 htmlspecialchars() 函数 把代码中的特殊字符转为HTML实体

过滤所有HTML标签 <\/?[^>]+>

php中 strip_tags() 函数用于从字符串中去除HTML和PHP标记，仅保留参数中指定的标签

PHP中 addslashes() 函数返回一个字符串，该字符串为了数据库查询语句等的需要在某些字符前加上了反斜线

URL重写两种实现方式

1.纯代码实现，通过解析 PATH_INFO 实现

2.服务器实现，如利用 Apache 的 mod_rewrite 模块实现

    ​Apache 开启 Rewrite 模块

    ​设置 AllowOverride All 的目的是让 .htaccess 文件生效

    ​新建一个 .htaccess 文件。 .htaccess 文件是 Apache 中重要的配置文件，其格式为纯文本

.htaccess 中的代码

1）打开运行时重写功能

RewriteEngine on

2）建立重写规则

RewriteRule index.html index.php

RewriteRule list-([A-Z]+)\.html $list.php?mode=$1 [NC]

URL重写给网站带来的好处

1）有利于搜索引擎的抓取

2）用户更容易记忆

3）影藏实现技术