PHP preg_match正则表达式的使用
PHP preg_match正则表达式的使用2010-09-03 00:32
第一，让我们看看两个特别的字符：‘^’和‘$’他们是分别用来匹配字符串的开始和结束，以下分别举例说明
：
"^The": 匹配以 "The"开头的字符串;
"of despair$": 匹配以 "of despair" 结尾的字符串;
"^abc$": 匹配以abc开头和以abc结尾的字符串，实际上是只有abc与之匹配；
"notice": 匹配包含notice的字符串；
你可以看见如果你没有用我们提到的两个字符（最后一个例子），就是说模式（正则表达式）可以出现在
被检验字符串的任何地方，你没有把他锁定到两边。
第二，这里还有几个字符‘*’,‘+’,和‘?’, 他们用来表示一个字符可以出现的次数或者顺序. 他们分别表
示："zero or more", "one or more", and "zero or one." 这里是一些例子:
"ab*": 匹配字符串a和0个或者更多b组成的字符串("a", "ab", "abbb", etc.);
"ab+": 和上面一样，但最少有一个b ("ab", "abbb", etc.);
"ab?":匹配0个或者一个b;
"a?b+$": 匹配以一个或者0个a再加上一个以上的b结尾的字符串.
第三，在花括号中的逗号,表示‘到’，即前后跟数字, "{n,m}"表示“n到m”。
第四，你也可以在大括号{n}里面限制字符出现的个数，比如
"ab{2}": 匹配一个a后面跟两个b（一个也不能少）("abb");
"ab{2,}": 最少更两个b("abb", "abbbb", etc.);
"ab{2,5}": 2－5个b("abbb", "abbbb", or "abbbbb").
你还要注意到你必须总是指定 (i.e, "{0,2}", not "{,2}").同样，你必须注意到, '*', '+', 和'?' 分别和以下三
个范围标注是一样的，"{0,}", "{1,}", 和 "{0,1}"。
第五，现在把一定数量的字符放到小括号(x)里，比如：
"a(bc)*": 匹配 a 后面跟0个或者一个"bc";
"a(bc){1,5}": 一个到5个 "bc."
第六，还有一个字符‘|’相当于OR 操作:
"hi│hello": 匹配含有"hi" 或者 "hello" 的 字符串;
"(b│cd)ef": 匹配含有 "bef" 或者 "cdef"的字符串;
"(a│b)*c": 匹配含有这样 - 多个（包括0个）a或b，后面跟一个c的字符串 的字符串;
第七，一个点‘.’可以代表所有的单一字符:
"a.": 一个a跟一个字符再跟一个数字的 （含有这样一个字符串的字符串将被匹配，以后省略此括号）
"^.{3}$": 以三个字符结尾.
第八，中括号括住的内容只匹配一个单一的字符
"": 匹配单个的 a 或者 b ( 和 "a│b" 一样);
"": 匹配'a' 到'd'的单个字符 (和"a│b│c│d" 还有 ""效果一样);
"^": 匹配以字母开头的字符串
"%": 匹配含有 形如 x％ 的字符串
",$": 匹配以逗号再加一个数字或字母结尾的字符串
第九，也可以把你不想要得字符列在中括号里，你只需要在中括号里面使用'^' 作为开头 (i.e., "%[^a-zA-
Z]%" 匹配含有 两个百分号里面有一个非字母 的字符串).
第十：注意，
1. "^.[$()│*+?{\"中的字符作为有特殊意义的字符的时候，你必须在这些字符面前加''。
2. 在php3中你应该避免在模式的最前面使用\, 比如说,正则表达式 "(\$│?+" 应该这样调用
ereg("(\\$│?+", $str) (不知道php4是不是一样)，但不要忘记在中括号里面的字符是这条规路的例
外：在中括号里面, 所有的特殊字符，包括'', 都将失去他们的特殊性质(i.e., "[*\+?{}.]"匹配含有这些字符
的字符串).
3. 还有,正如regx的手册告诉我们: "如果列表里含有], 最好把它作为列表里的第一个字符(可能跟在'^'
后面)。
4. 如果含有-, 最好把它放在最前面或者最后面, 或者一个范围的第二个结束点(i.e. 中间的-将
有效.
十一，为了完整, 我应该涉及到 collating sequences, character classes, 还有 equivalence classes. 但我在
这些方面不想讲的太详细, 这些在下面的文章中都不需要涉及到. 你们可以在regex man pages 那里得到更
多消息.
十二：例子，
1. 如何构建一个模式来匹配 货币数量 的输入？
构建一个匹配模式去检查输入的信息是否为一个表示money的数字。我们认为一个表示money的数量有四
种方式： "10000.00" 和 "10,000.00",或者没有小数部分, "10000" and "10,000". 现在让我们开始构建这
个匹配模式:
^*$
这是说变量必须以非0的数字开头.但这也意味着 单一的 "0" 也不能通过测试. 以下是解决的方法:
^(0│*)$
"只有0和不以0开头的数字与之匹配"，我们也可以允许一个负号再数字之前:
^(0│-?*)$
这就是: "0 或者 一个以0开头可能有一个负号在前面的数字." 好了, 好了现在让我们别那么严谨，允许以0
开头.现在让我们放弃 负号 , 因为我们在表示钱币的时候并不需要用到. 我们现在指定 模式 用来匹配小数
部分:
^+(\.+)?$
这暗示匹配的字符串必须最少以一个阿拉伯数字开头. 但是注意，在上面模式中 "10." 是不匹配的, 只有
"10" 和 "10.2" 才可以. （你知道为什么吗）
^+(\.{2})?$
我们上面指定小数点后面必须有两位小数.如果你认为这样太苛刻,你可以改成:
^+(\.{1,2})?$
这将允许小数点后面有一到两个字符. 现在我们加上用来增加可读性的逗号（每隔三位）, 我们可以这样表
示:
^{1,3}(,{3})*(\.{1,2})?$
不要忘记加号 '+' 可以被乘号 '*' 替代，如果你想允许空白字符串被输入话 (为什么?). 也不要忘记反斜杆 ‘\
’，在php字符串中可能会出现错误 (很普遍的错误). 现在，我们已经可以确认字符串了, 我们现在把所有逗
号都去掉 str_replace(",", "", $money) 然后在把类型看成 double然后我们就可以通过他做数学计算了.
2. 如何构造检查email的正则表达式？
我们继续讨论怎么验证一个email地址. 在一个完整的email地址中有三个部分: POP3 用户名 (在 '@' 左边的
一切), '@', 服务器名(就是剩下那部分). 用户名可以含有大小写字母阿拉伯数字,句号 ('.'), 减号('-'), 下划
线 ('_'). 服务器名字也是符合这个规则,当然下划线除外.
现在, 用户名的开始和结束都不能是句点. 服务器也是这样. 还有你不能有两个连续的句点他们之间至少存
在一个字符，好现在我们来看一下怎么为用户名写一个匹配模式:
^+$
现在还不能允许句号的存在. 我们把它加上:
^+(\.+)*$
上面的意思就是说: "以至少一个规范字符（除.意外）开头,后面跟着0个或者多个以点开始的字符串."简单
化一点, 我们可以用 eregi()取代 ereg()。eregi()对大小写不敏感, 我们就不需要指定两个范围 "a-z" 和 "A
-Z" – 只需要指定一个就可以了:
^+(\.+)*$
后面的服务器名字也是一样,但要去掉下划线:
^+(\.+)*$
Done. 现在只需要用”@”把两部分连接:
^+(\.+)*@+(\.+)*$
这就是完整的email认证匹配模式了,只需要调用
eregi(‘^+(\.+)*@+(\.+)*$ ’,$eamil)
就可以得到是否为email了。
3. 提取字符串
ereg() and eregi() 有一个特性是允许用户通过正则表达式去提取字符串的一部分(具体用法你可以阅读手
册). 比如说,我们想从 path/URL 提取文件名 – 下面的代码就是你需要:
ereg("([^\\/]*)$", $pathOrUrl, $regs);
echo $regs;
4. 高级的代换
ereg_replace() 和 eregi_replace()也是非常有用的: 假如我们想把所有的间隔负号都替换成逗号:
ereg_replace("[ \n\r\t]+", ",", trim($str));
5. 匹配中文字符的正则表达式： [\u4e00-\u9fa5]
评注：匹配中文还真是个头疼的事，有了这个表达式就好办了
6. 匹配双字节字符(包括汉字在内)：[^\x00-\xff]
评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）
7. 匹配空白行的正则表达式：\n\s*\r
评注：可以用来删除空白行
8. 匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?</\1>|<.*? />
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力
9. 匹配首尾空白字符的正则表达式：^\s*|\s*$
评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式
10. 匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
评注：表单验证时很实用
11. 匹配网址URL的正则表达式：+://[^\s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求
12. 匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^
{4,15}$
评注：表单验证时很实用
13. 匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}
评注：匹配形式如 0511-4405222 或 021-87888822
14. 匹配腾讯QQ号：{4,}
评注：腾讯QQ号从10000开始
15. 匹配中国邮政编码：\d{5}(?!\d)
评注：中国邮政编码为6位数字
16. 匹配身份证：\d{15}|\d{18}
评注：中国的身份证为15位或18位
17. 匹配ip地址：\d+\.\d+\.\d+\.\d+
评注：提取ip地址时有用
18. 匹配特定数字：
^\d*$ //匹配正整数
^-\d*$ //匹配负整数
^-?\d*$ //匹配整数
^\d*|0$ //匹配非负整数（正整数 + 0）
^-\d*|0$ //匹配非正整数（负整数 + 0）
^\d*\.\d*|0\.\d*\d*$ //匹配正浮点数
^-(\d*\.\d*|0\.\d*\d*)$ //匹配负浮点数
^-?(\d*\.\d*|0\.\d*\d*|0?\.0+|0)$ //匹配浮点数
^\d*\.\d*|0\.\d*\d*|0?\.0+|0$ //匹配非负浮点数（正浮点数 + 0）
^(-(\d*\.\d*|0\.\d*\d*))|0?\.0+|0$ //匹配非正浮点数（负浮点数 + 0）
评注：处理大量数据时有用，具体应用时注意修正
19. 匹配特定字符串：
^+$ //匹配由26个英文字母组成的字符串
^+$ //匹配由26个英文字母的大写组成的字符串
^+$ //匹配由26个英文字母的小写组成的字符串
^+$//匹配由数字和26个英文字母组成的字符串
^\w+$ //匹配由数字、26个英文字母或者下划线组成的字符串
20.匹配文本，这个偶尔比较好用，但是要小心字符中包含\E
$str = '';
$str = preg_replace('/\G\E/', '', $str);
echo $str; //打印空，全被替换掉了，相关大概就是preg_quote功能
21.给匹配结果命名，这样在匹配结果中就可以用这个名称来获取值
$str = 'abc123abc';
preg_match('/(?P<num>\d+)/', $str, $arr);
echo $arr['num']; //相当于echo $arr
22.仅用于分组的括号，匹配内容不会被变量捕获，有时候需要这样提高执行效率
$str = 'abc123abc';
preg_match('/abc(?:\d+)/', $str, $arr);
echo $arr; //除了$arr外没有$arr了，不会赋予\1
23.插入的好帮手，向前、向后锚点搜索位置，每3位添加一个逗号
$str = 'fdfad123456789fdfd';
$str = preg_replace('/(?<=\d)(?=(\d{3})+(?!\d))/', ',', $str);
echo $str; //打印 fdfad123,456,789fdfd
24.以最少的结果匹配
$str = 123456;
preg_match('/\d+/', $str, $arr);
echo $arr; //是人都知道是123456吧
preg_match('/\d+?/', $str, $arr);
echo $arr; //这次是1
25.一个比较有用的，可以判断前面的是否有匹配过,比如下边的例子，可以忽略等号右边是否有单引号双
引号或者什么都没有
$str = <<<HTML
<font size=12></font>
<font size='13'></font>
<font size="14"></font>
<font size="15></font>
HTML;
preg_match_all('/<font\s+size=([\'"]?)(\d+)\1[^>]*>/', $str, $arr);
print_r($arr);
/*
Array
(
=> 12
=> 13
=> 14
)
*/
26.部分模式修饰符，模式修饰符也可以放在表达式中的这里匹配符合XHTML规范的style里的颜色值，大
写的STYLE被忽略了，但是里面的color可以大小写无所谓
$str = '<b></b><b></b><b></b>';
preg_match_all('/style=([\'"]?)(?i)color:(\w+)\1(?-i)/', $str, $arr);
print_r($arr)
//也可以把匹配内容放到里面，用:隔开，就不用写结束(?-i)
//preg_match_all('/style=([\'"]?)(?i:color:(\w+))\1/', $str, $arr);
//再看一例子
$str = '<B>Style</B>';
preg_match('/<B>(?i:style)<\/B>/', $str, $arr);
print_r($arr); //可以匹配到
$str = '<B>Style</b>';
preg_match('/<B>(?i:style)<\/B>/', $str, $arr);
print_r($arr); //什么都没匹配到
27.单词检索，可惜只能用在英文
$str = 'I\'m a teacher';
preg_match_all('/\b+\b/i', $str, $arr);
print_r($arr)
28.u修饰符,按unicode匹配
$str = '你您';
$str = preg_replace('/[你您]/', 'you', $str);
echo $str; //被拆开了,打印4次you
//看下面加上u修饰符后的效果,该修饰符需要编码utf-8否则会报错
//我的文本都是gb2312,所以要转成utf-8
$str = iconv('gb2312', 'utf-8', '你您');
$regex = iconv('gb2312', 'utf-8', '/[你您]/u');
$str = preg_replace($regex, 'you', $str);
echo $str; //打印2次you
29.x模式修饰符，可以忽略空白和加注释
$str = 'test Test';
preg_match('/test#只匹配小写的test/x', $str, $arr);
print_r($arr);
30.排除环视(?<!...) (?!...)、忽略优先 *? +? ?? 的复合使用
$str = 'test <B>test1<B> test2</B>';
preg_match('/<B>(?:.(?<!<B>))*<\/B>/i', $str, $arr);
//或者 preg_match('/<B>(?:(?!<B>).)*<\/B>/i', $str, $arr);
print_r($arr)
//当时这样写应付不了 $str = 'test <B>test1<B> test2</B> test3</B>';
//改写一下正则既可 preg_match_all('/<B>(?:(?!<\/?B>).)*<\/B>/i', $str, $arr);
//根据上面来完成一个最简单的UBB替换
$str = 'test test1 test2 test3test';
$str = preg_replace('/\((?:(?!\[\/?B\]).)*)\[\/B\]/i', '<b>\1</b>', $str);
$str = preg_replace('/\((?:(?!\[\/?B\]).)*)\[\/B\]/i', '<b>\1</b>', $str);
print_r($str)
31.如果已经确认回朔并不会有匹配结果，可以使用固化分组来放弃备用状态提高效率
$str = 'Subject';
preg_match('/(\w+):/', $str, $arr);
//用以下方法代替
//在第一组匹配规则匹配到文本末尾t时匹配结束，启用第二组匹配规则:并不会找到结果，所以这个时候回
朔查找，但是\w不会包含:，所以可以直接放弃，
preg_match('/(?>\w+):/', $str, $arr);
------------------------------------------------------------------------------------------------------
备注：
\s：用于匹配单个空格符，包括tab键和换行符；
\S：用于匹配除单个空格符之外的所有字符；
\d：用于匹配从0到9的数字；
\w：用于匹配字母，数字或下划线字符；
\W：用于匹配所有与\w不匹配的字符；
. ：用于匹配除换行符之外的所有字符。
页:
[1]