【php】正規表現

heike1

【概要】
PHPには正規表現関数群が3種類ある。

• 標準正規表現関数（POSIX Regex）：ereg()系。マルチバイト不可。
  
• PCRE正規表現関数（Perl互換）：preg_match()系。マルチバイトはUTF-8のみ対応。
  
• マルチバイト文字対応正規表現関数：mb_ereg()系。Rubyの正規表現を使用。PHP5.0で「鬼車」組み込み。
  

主な特徴？

• PCREはバイナリセーフで、POSIXはセーフじゃない。
  
• PCREの正規表現は//などのデリミタで囲う必要がある。
  
• Perl互換の正規表現構文を使用するpreg_match()のほうが、多くの場合ereg()よりも速く動作するらしい。
  

EUC-JPを使うのでmb_ereg。
●int mb_ereg ( string $pattern , string $string [, array $regs ] )

• マルチバイト文字列に正規表現マッチを行う。
  
• マルチバイト対応の正規表現マッチを行い、一致した場合は 1 を返す。オプションの 3 番目の引数を指定した場合は、一致した部分のバイト数を返し、一致した部分文字列が配列 regs に格納される。空文字に一致した場合は 1 を返す。正規表現に一致しないか、エラーを発生した場合に FALSE を返す。
  

【正規表現例】
●IP4：xxx.xxx.xxx.xxxの形式チェック
"^([0-9]{1,3})\.([0-9]{1,3})\.([0-9]{1,3})\.([0-9]{1,3})$"
●西暦日付：yyyy-mm-ddの形式チェック
"^([0-9]{4})-([0-9]{1,2})-([0-9]{1,2})$"
●URL：有効文字以外をチェック
"[^\-_.!~*\'()a-zA-Z0-9;\/?:\@&=+\$,%#]"
●USERAGENT：有効文字以外をチェック
"[^\-_.!~*\'()a-zA-Z0-9;\/?:\@&=+\$,%#\x20\[\]\{\}]"
●名前：漢字チェック（未定義含む全範囲）
"[\xa1\xa1-\xfe\xfe]"
●名前英語名：有効文字チェック（英文字、ハイフン、ピリオド、半角スペース）
"[a-zA-Z\-.\x20]+"
形式チェックは難しいかも。
●フリガナ：全角カナチェック（全角カナ、長音、全角・半角スペース）
"^[\x20ァ-ヶー－　]+$"
●Email：PHP系ライブラリの実装（バージョンで異なる可能性あり）

• phpspot：シンプル
  

'/^[a-zA-Z0-9_\.\-]+?@[A-Za-z0-9_\.\-]+$/'

• PEAR::Mail_RFC822：オーバーライン文字が入力できませんh
  

$regex = $strict ? '/^([.0-9a-z_+-]+)@(([0-9a-z-]+\.)+[0-9a-z]{2,})$/i' : '/^([*+!.&#$|\'\\%\/0-9a-z^_`{}=?（オーバーライン）:-]+)@(([0-9a-z-]+\.)+[0-9a-z]{2,})$/i';

• CakePHP：63文字の根拠は？
  

'/\\A(?:^([a-z0-9][a-z0-9_\\-\\.\\+]*)@([a-z0-9][a-z0-9\\.\\-]{0,63}\\.(com|org|net|biz|info|name|net|pro|aero|coop|museum|[a-z]{2,4}))$)\\z/i'

• Ethna
  

'/^([a-z0-9_]|\-|\.|\+)+@(([a-z0-9_]|\-)+\.)+[a-z]{2,6}$/i'


【正規表現注意事項】

• perlのサンプルで//囲みがあるものは不要なのではずす。
  
• 空白文字は\sじゃなくて、\x20。
  
• 16進数文字の連続（例：\x20\x20）は多バイト符号で表現された1文字と見なされる。
  
• 英語名表記はa～z,A～Z,-(ハイフン),.(ピリオド),'(アポ),"(ダブル)が見受けられる。アポとダブルはミドルネームのくくりに使われる。アポは発音補助（オライリー：O'Reilly）のように使われる。～3世の記述は、IIIとなる。数字0～9は使われない。通常判定は、英文字とハイフン、ピリオド、半角スペースでOK。
  
• emailについて
  
  
  
  • emailはコメントネストがあるため正規表現では記述できないらしい。
    
  • ＠より前の部分は、RFCの定義では半角英数記号なんでもありらしい。
    
  • 日本では、プロバイダが発行するメールアカウントは、半角英数とハイフン、アンダーバー、ピリオドのみとするところがほとんどと思われる。（携帯含む）
    
  • WEBメーラー系、特にGmailは、向こうの文化なので、アカウント部分に記号あり。Gmailの独自仕様？でアカウント部分の＋文字から＠までは無効らしい。なので記述し放題＠＠；
    
  • 最適解は無い。自分のサイト運用に合わせて、チェック仕様（対インジェクション含む）を考える。
    
  
  

【参考URL】
●PHP で使用できる正規表現演算子(mb_ereg)
http://www.kt.rim.or.jp/~kbk/regex/regex.html#PHP
●鬼車正規表現
http://www.geocities.jp/kosako3/oniguruma/doc/RE.ja.txt
●EUC-JP文字コード表
http://charset.7jp.net/euc.html