07_RegExp

基础

定义

正则表达式是具有特殊语法结构的字符串
Regular Expression reg regexp

作用

1. 表单验证
2. 网络爬虫

函数库

1. PCRE函数库

Perl兼容的正则表达式函数库

2. POSIX(不推荐使用)

特点

1. 语法结构复杂
2. 执行效率低

相对于同功能的字符串函数而言

3. 功能强大

语法

语法结构

/正则表达式/模式修饰符

定界符

1. 正则表达式必须写在定界符里面
2. 除了数字,字母和反斜杠的任意字符都可以做为定界符,一般用//
3. 定界符必须成对出现
4. $pattern模式规则的意思

$pattern="//";//定界符
$pattern="##";//有效
$pattern="11";//无效 定界符不能是数字
$pattern="AA";//无效 定界符不能是字母
$pattern="\\";//无效 定界符不能是反斜杠
$pattern="/#";//无效 定界符必须成对出现

原子

1. 正则表达式中的最小原子
2. 一个正则表达式若想有意义,则至少包含一个原子
3. 普通字符 a 或1或-

元字符(特殊的原子)

1. \s 匹配空格 space
2. \S 匹配非空格
3. \d 匹配数字 decimal
4. \D 匹配非数字 [^0-9]
5. \w 匹配单词(数字,大小写,下划线)[0-9a-zA-Z_]
6. \W 匹配非单词 [^0-9a-zA-Z]
7. . 匹配任意字符

$subject="Hello,  World";
$pattern='/\s/';//\s匹配空格\
//返回匹配结果的次数
//将返回结果赋值给第三个参数$matches

echo preg_match_all($pattern,$subject,$matches);

echo "<pre>";
print_r($matches);
echo "</pre>";

$pattern="/\S/";//\S大s 匹配非空格
echo preg_match_all($pattern,$subject,$matches);

echo "<pre>";
print_r($matches);
echo "</pre>";

$subject="This it test";
$pattern="#s#";//普通的原子
preg_match_all($pattern,$subject,$matches);

echo "<pre>";
print_r($matches);
echo "</pre>";

$subject= "I am 18";
$pattern="/\d/";//匹配数字

preg_match_all($pattern,$subject,$matches);
echo "<pre>";
print_r($matches);
echo "</pre>";

$pattern="/\D/";//匹配数字

preg_match_all($pattern,$subject,$matches);
echo "<pre>";
print_r($matches);
echo "</pre>";

function isNumber($value){
    //思路:如果非数字匹配不到,则为纯数字
    //\D匹配失败时,匹配对象为纯数字
    $pattern="/\D/";
    if (!preg_match_all($pattern,$value)){
        return true;
    }
    return false;
}
$value='123adb';
$value='123';
$suc=isNumber($value);
echo $suc?"是数字":"不是数字";

$subject="I am_ 18.";
$pattern="/\w/";

preg_match_all($pattern,$subject,$matches);
echo "<pre>";
print_r($matches);
echo "</pre>";

$pattern="/\W/";
preg_match_all($pattern,$subject,$matches);
echo "<pre>";
print_r($matches);
echo "</pre>";

$subject="I am 18.";
$pattern="/./";

preg_match_all($pattern,$subject,$matches);
echo "<pre>";
print_r($matches);
echo "</pre>";

$pattern="/\./";
preg_match_all($pattern,$subject,$matches);
echo "<pre>";
print_r($matches);
echo "</pre>";

转义符(escape)

1. \n 换行符newline
2. \t 制表符
3. 声明 双引号可以解析以上的的转义符,单引号不行

字符组

正字符组

1. 可以在正字符组中给出多个原子,多个原子是"或"的关系

$pattern="/[is]/";//匹配字母i或者字母s

2. 常用的字符组(匹配范围)[0-9]相当于\d
3. [a-z]
4. [A-Z]

负字符组

1. [^xxxxxx]

量词

1. 用来修饰正则表达式出现的次数(数量)
2. 语法{n}精确匹配==n==位
3. {n,}开区间匹配
4. {n,m}闭区间匹配,其中n,m都为正整数,n<m

$subject="This iis test";
$pattern="/i{2}/";

//匹配多位(,后面没有空格)
$pattern="/i{1,}/";

$pattern="/i{2,3}/";//匹配2位到3位

4. ? 匹配0或1位{0,1}
5. * 匹配0位或多位{0,}
6. + 匹配1位或多位{1,}

$pattern="/s\s?/";//匹配"s"或"s空格" ?代表0或1位
$pattern="/s\s*/";//*匹配0到多位
$pattern="/s\s+/";//+匹配1到多位

//匹配手机号
//17375821270
//手机号是11位的数字 \d{11}
//手机号的第一位数字为1 1\d{10}
//13X 15X 17X 18X
//手机号第二位可能的数字是3578  [3578]
//手机号第三位也有号段(暂不考虑)
//177-1234-1234  1[3578]\d-?\d{4}-?\d{4}
//17712341234
//0177-1234-1234 0?1[3578]\d-?\d{4}-?\d{4}
//+86 0177-1234-1234 (暂时省略)
//匹配开头和结尾(边界),使用定位点符号 ^ $  ^0?1[3578]\d-?\d{4}-?\d{4}$
//     /^正则表达式$/
//思路:
//1.首先分析目标字符串的规律(模式)
//2.将规律(模式)翻译成正则表达式
//3.验证
function isMobile($mobile){
    $pattern="/^0?1[3578]\d-?\d{4}-?\d{4}$/";
    if(preg_match($pattern,$mobile)){
        return true;
    }
    return false;
}
$mobile="0173-7582-1270";
$suc=isMobile($mobile);
echo $suc?$mobile."手机号合法":$mobile."手机号非法";
//数字规律
//邮政编码
//身份证号
//区号
//QQ号
//....

定位点

1. ==^== 匹配开头\A
2. $ 匹配结尾\Z
3. \b匹配边界
4. \B匹配非边界

//定位点
//^匹配开头
//$匹配结尾
$subject="This is test";
$pattern='/^T/';//匹配左侧边界
preg_match_all($pattern,$subject,$matches);
echo "<pre>";
print_r($matches);
echo "</pre>";
$pattern="/t$/";//匹配右侧边界
preg_match_all($pattern,$subject,$matches);
echo "<pre>";
print_r($matches);
echo "</pre>";
$pattern="/s\b/";//匹配右侧为边界的小写字母s
preg_match_all($pattern,$subject,$matches);
echo "<pre>";
print_r($matches);
echo "</pre>";
$pattern="/\Bs\B/";//匹配非边界小写字母s
preg_match_all($pattern,$subject,$matches);
echo "<pre>";
print_r($matches);
echo "</pre>";

选择路径

1. | 或,a|b

$subject="This is test";
$pattern="/is|t/";//匹配is或者t
preg_match_all($pattern,$subject,$matches);
echo "<pre>";
print_r($matches);
echo "</pre>";

模式修饰符

1. i "//i"忽略大小写

$subject="This is test";
$pattern="/t/i";//忽略大小写,匹配字母t
//应用场景:对大小写不敏感时,使用模式修饰符i
//例如:<table>或者<TABLE> 都是有效的HTML标签

2. U ungreedy 非贪婪模式(懒惰模式)
   1. PHP正则默认是贪婪模式
   2. 贪婪:在满足条件的前提下尽可能多的匹配
   3. 可以混合使用 Ui
   4. ==.*== 贪婪模式
   5. ==.*?== 非贪婪模式(量词加问号限定死)

//贪婪模式
$subject="<td>zhangsan</td><td>lisi</td>";
$pattern="/<td>.+<\/td>/";//\转义 不然和定界符冲突
/*
* <pre>Array
(
   [0] => Array
       (
           [0] => <td>zhangsan</td><td>lisi</td>
       )

)
</pre>*/ //贪婪模式 因为 <td>zhangsan</td><td>lisi</td> zhangsan</td><td>lisi 也满足条件下尽可能多的匹配

//非贪婪模式
$pattern="/<td>.+<\/td>/U";
preg_match_all($pattern,$subject,$matches);
echo "<pre>";
print_r($matches);
echo "</pre>";
/*
*
* Array
(
   [0] => Array
       (
           [0] => zhangsan
           [1] => lisi
       )

)
*/ //非贪婪模式

捕获组

1. (XXXX)描述正则表达式中的子表达式
   1. 编号为0 的结果,匹配整个正则表达式
   2. 然后从1开始,按照小括号的顺序从左向右依次排序
2. 引用
   1. 正向引用
      1. 在代码中(正则表达式之外)使用匹配成为正向引用
   2. 反向引用
      1. 语法\number number匹配结果对应的索引值
      2. 反向引用使用的是匹配结果,而不是正则表达式本身

// 03_group.php
// 捕获组  ()

// 假定该日期是一个生日
$subject = "2017-12-07";
// 日期格式分析:
// 年:    1900-现在  (19|20)\d{2}    \d{4}
//        19\d{2}|200\d|201[0-7]
// 月:    01 02 .... 09 10 11 12
//       十位数: 0?[1-9]|1[0-2]
//
// 日:   01 ... 09
//       10 ... 19
//       20 ... 29
//       30 31
//       0?[1-9]|1[0-9]|2[0-9]|3[01]
//       0?[1-9]|[12][0-9]|3[01]
//       0?[1-9]|[12]\d|3[01]

// $pattern = "/(YYYY)-(MM)-(DD)/";
// $pattern = "/(YYYY)-((MM)-(DD))/";
$pattern = "/(\d{4})-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])/";

preg_match_all($pattern,$subject,$matches);
echo "<pre>";
print_r($matches);
echo "</pre>";

2. (?:xxxx)非捕获组

匹配函数

1. preg_match_all($pattern,$subject,$matches);

返回匹配的次数,二维数组

2. preg_match($pattern,$subject);

返回匹配的结果,一维数组

查找替换

preg_replace($pattern,$replacement,$matches)和str_replace($search,$replacement,$matches)

$subject="This is test";
//将字符串中的空格替换成下划线
echo str_replace(" ","_",$subject)."<hr>";
$pattern="/\s/";
echo preg_replace($pattern,"_",$subject)."<hr>";
//声明:
//如果普通字符串函数与正则表达式函数能够完成同样的功能;
//则优先使用普通字符串函数(正则效率低)
$subject="This2 i4s te6st";
//将字符串中的数字替换成下划线
$pattern="/\d/";//匹配数字
echo preg_replace($pattern,"_",$subject)."<hr>";
//将html标签去掉
//<p>hello</p>

正则分割

array pre_split($pattern,$subject)和array explode($delimiter,$string)

$subject="This is test";
$arr1=explode(" ",$subject);
echo "<pre>";
print_r($arr1);
echo "</pre>";

$pattern="/\s/";
$arr1=preg_split($pattern,$subject);
echo "<pre>";
print_r($arr1);
echo "</pre>";
//声明:
//如果普通字符串函数与正则表达式函数能够完成同样的功能;
//则优先使用普通字符串函数(正则效率低)

//根据右侧边界字母s进行分割
$pattern="/s\b/";
$arr1=preg_split($pattern,$subject);
echo "<pre>";
print_r($arr1);
echo "</pre>";
//普通函数达不到要求,必须要正则来写了

返回匹配模式的数组条码

preg_grep($pattern,$input);

//匹配数组元素
//grep =Global Regular ExPression
// 全局正则表达式
$pattern="/te/";
$input=array("time","term","team");
$arr=preg_grep($pattern,$input);

echo "<pre>";
print_r($arr);
echo "</pre>";