PHP强化之11 - PCRE正则表达式

一、简介

正则表达式是一种描述字符串结果的语法规则，是一个特定的格式化模式，可以匹配、替换、截取匹配的字符串。

二、语法

当使用 PCRE 函数的时候，模式需要由分隔符闭合包裹。分隔符可以使任意非字母数字、非反斜线、非空白字符。经常使用的分隔符是正斜线(/)、hash符号(#) 以及取反符号(~)。

合法模式示例：

/<\/\w+>/
#^[^0-9]$#
|(\d{3})-\d+|Sm       ## 可以在结束分隔符后面增加模式修饰符
/^(?i)php[34]/
{^\s+(\s+)?$}       ## 括号样式的分隔符，左括号和右括号分别作为 开始和结束 分隔符。
%[a-zA-Z0-9_-]%

非法模式示例：

/href='(.*)'     ## 缺失结束分隔符
/\w+\s*\w+/J     ## 未知模式修饰符"J"
1-\d3-\d3-\d4|     ## 缺失开始分隔符

如果分隔符需要在模式内进行匹配，它必须使用反斜线进行转义。如果分隔符经常在 模式内出现， 一个更好的选择就是是用其他分隔符来提高可读性。

/http:\/\//
#http://#

三、正则表达式

由上面介绍的合法分隔符所包含的部分，就是我们主要去了解的正则表达式部分了。下面我将对一些常用的部分做一下归类：

1、 原子
原子是组成正则表达式的基本单位，在分析正则表达式时，应作为一个整体。
包括以下内容:
> 单个字符、数字，如a-z，A-Z，0-9。
> 模式单元，如(ABC)可以理解为由多个原子组成的大的原子。
> 原子表，如 [ABC]。
> 重新使用的模式单元，如：\1
> 普通转义字符，如：\d， \D， \w
> 转义元字符，如：\*，\.
> 元字符

2、元字符

• ^ 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)
• . 表示任意一个除换行符之外的字符
• [] 表示单个字符的原子表
  [^] 表示除中括号内原子之外的任何字符 是[]的取反
  [-] 表示允许的范围，如[0-9]表示任意一位数字
• {m} 表示对前面原子的数量控制，表示是m次
  {m,} 表示对前面原子的数量控制，表示是至少m次
  {m,n}表示对前面原子的数量控制，表示是m到n次
• * 量词，0 次或多次匹配，等价于{0,}
• + 量词，1 次或多次匹配，等价于{1,}
• ? 作为量词，表示 0 次或 1 次匹配，等价于{0,1} 。位于量词后面用于改变量词的贪婪特性。
• () 表示一个整体原子，【还有一个子存储单元的作用】。 也可以使用?:来拒绝子存储。 （?: