系统学习PHP之正则表达式

正则表达式是一个从左到右匹配目标字符串的模式。它不是PHP的专属，如何一门成熟的语言都支持正则，可以说正则就是一门编程语言。这里就只研究 PHP 正则的使用，先来介绍几个PHP中使用正则的函数

PCRE函数

#1 preg_match / preg_match_all

int preg_match / preg_match_all ( string $pattern , string $subject [, array &$matches [, int $flags = 0 [, int $offset = 0 ]]] )

参数 1 ：$pattern匹配模式；

参数 2 ：$subject匹配源；

参数 3 ：$matches存储匹配结果；

返回值：preg_match在第一次匹配后 将会停止搜索，所以它的值将是 0 次（不匹配）或 1次preg_match_all() 会一直搜索subject 直到到达结尾。

#2 preg_replace /preg_filter

mixed preg_filter ( mixed $pattern , mixed $replacement , mixed $subject [, int $limit = -1 [, int &$count ]] )

在 subject 寻找与 pattern 匹配的的值并替换成 replacement，返回是替换之后的结果。 pattern 和 replacement 可以作为数组进行替换，preg_filter()等价于preg_replace()，但在处理数组替换时返回结果有所差异，preg_replace不管匹配不匹配，数组的值都进行返回，preg_filter 返回匹配的替换之后的数组preg_grep

array preg_grep ( string $pattern , array $input [, int $flags = 0 ] )

返回给定数组 input 中与模式pattern 匹配的元素组成的数组，（阉割版的preg_filter，），只匹配，不替换。

#3 preg_split

array preg_split ( string $pattern , string $subject [, int $limit = -1 [, int $flags = 0 ]] )

升级版的explode函数，在 subject 寻找与 pattern 匹配的的值将其作为分割点，每一段为数组的值。

#4 preg_quote

string preg_quote ( string $str [, string $delimiter = NULL ] )

转义正则表达式字符；

模式语法

正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符（称为”元字符”）组成的文字模式。

#1 原子概念

原子是正则表达式中最小的单位，分为可见原子与不可见原子，可见原子是指Unicode编码中用键盘输出后肉眼可见的字符。

关于可见原子需要注意：

1、匹配文字时，需要将文字转换为对应的Unicode编码格式，否则会因编码格式导致未知错误；

2、\. \* \+ \? \，所有有意义的字符，如果想作为原子使用，必须统统使用 \ 转义字符转义；

不可见原子就是Unicode编码中用键盘输出后肉眼不可见的字符，例如：（\n）换行符、（\r）回车、（\t）制表符、空格等。好，下面开始正式介绍正在表达模式的语法

#2 分隔符

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(~)；

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。

#1 来一些界定符的栗子：

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

#3 元字符

正则表达式的威力源于它可以在模式中拥有选择和重复的能力。 一些字符被赋予 特殊的涵义，使其不再单纯的代表自己，模式中的这种有特殊涵义的编码字符 称为 元字符。#1 元字符的作用之 |、[]、[^] 定义原子的筛选方式:

| 匹配两个或多个分支选择 如： Duang|duang， 匹配Duang或者duang, 注意Duang和duang必须是连续的；

[] 匹配方括号中任意一个原子如： [D,d]uang, 意思是匹配Duang或者duang，[34^9]匹配3,4，^,9这4个原子，[0-9a-zA-Z]匹字母和数字，[3-6]匹配3到6之间的数字

[^] 匹配除了方括号中的原子 如[^0-9a-zA-Z]匹配除了字母和数字的原子， 其中尖号必须紧靠左中括号

#2 元字符的作用之定义原子的集合

. 匹配除了换行符之外的任意字符， 和[^\n]等价

\d 匹配任意一个十进制数字 即[0-9]

\D 匹配任意一个非十进制数字 即[^0-9]

\w 匹配任意一个数字， 字母或下划线 [0-9a-zA-Z_]

\W匹配人一个非数字， 字母或下划线[^0-9a-zA-Z_]

\s 匹配一个不可见的原子 即[\f\n\r\t\v]

\S匹配一个可见的原子 即[^\f\n\r\t\v]

#4 量词

重复次数是通过量词指定的，可以紧跟在下面元素之后：

边界控制及模式单元

^：匹配字符串开始的位置，如/^Dang/，规定第一个字符必须是D；

$：匹配字符串结尾的位置，如 /duang$/规定g是最后一个字符 ；

()：匹配其中的整体为一个原子，如 /(du|D)ang/ 能匹配到duang；

#5 修正模式

先介绍贪婪模式和懒惰模式匹配，正则表达式中默认是贪婪模式匹配的， 即匹配结果存在歧义的时候取长的，如下

$pattern = '/123.+5/';$subject = '123456654321';$t1 = preg_match_all($pattern, $subject,$matches);var_dump($matches); #12345665

在模式末尾条件U标识符修改为懒惰模式，匹配结果存在歧义的时候取短的：

$pattern = '/123.+5/U';$subject = '123456654321';$t1 = preg_match_all($pattern, $subject,$matches);var_dump($matches); #12345

常见的修正模式总结有：

U/u 懒惰模式/贪婪模式

i 忽略英文字母的大小写

x 忽略空白 包括制表符和空格

s 将元字符 . 匹配包括换行符在内的所有字符

常用模式

网上分享非常有非常丰富的常用正则表达式的匹配模式，整理如下：

1 Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$

2 域名：[a-zA-Z0-9][-a-zA-Z0-9](/.[a-zA-Z0-9][-a-zA-Z0-9])+/.?

3 InternetURL：[a-zA-z]+://[^\s]*

4 手机号码:^(13[0-9]|14[5|7]|15[0-9])\d$

5 电话号码 ^(\(\d-)|\d-)?\d$

6 国内电话号码(0511-4405222、021-87888822)：\d-\d|\d-\d

7 身份证号(15位、18位数字)：^\d|\d$

8 短身份证号码(数字、字母x结尾)：^([0-9])(x|X)?$ 或 ^\d|[0-9x]|[0-9X]?$

9 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)：^[a-zA-Z][a-zA-Z0-9_]$

10 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w$

11 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).$

12 日期格式：^\d-\d-\d

13 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$

14 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$

15 空白行的正则表达式：\n\s*\r (可以用来删除空白行)

16 首尾空白字符的正则表达式：^\s*|\s*$

17腾讯QQ号：[1-9][0-9] (腾讯QQ号从10000开始)

18 中国邮政编码：[1-9]\d(?!\d) (中国邮政编码为6位数字)

19 IP地址：\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)

正则中还有部分高级特性没有记录，如有需要推荐书籍：《精通正则表达式》进行研究；

Bye..