最短时间学会PHP正则

本文篇幅较长请耐心读完，并运行文中代码。

基础知识

从邮件验证说起

邮件的格式:

tenssun@163.com

其中tenssun是用户名,163.com是服务器名

用户名只能由英文字母a～z(不区分大小写)、数字0～9、下划线组成。

用户名的起始字符必须是英文字母.如：netease_2005

用户名长度为5～20个字符。

服务器名只能由英文字母a～z(不区分大小写)、数字0～9、下划线及点组成,@后点前面长度限制为1-10个字符,点后面的限制为com,cn,com.cn,net。

示例：

<?php
    $email='wjj7r8y6@jj.net';
    if(preg_match("^[a-zA-Z][0-9a-zA-Z_]{4,19}@[0-9a-zA-Z_]{1,10}(\.)(com|cn|com.cn|net)$",$email)) {
        echo 'email格式正确';
    }
?>

^ 和 $

看到前面的邮件验证大部分人可能会感到头痛,别急下面我们慢慢分解。

还是得说说 ^ 和 $ 他们是分别用来匹配字符串的开始和结束，下面法举例说明：

"^The": 开头一定要有"The"字符串;

"of despair$": 结尾一定要有"of despair" 的字符串; 那么,

"^abc$": 就是要求以abc开头和以abc结尾的字符串，实际上是只有abc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 (开始或结束)

'*', '+',和 '?',

接着,说说 '*', '+',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：

• *表示出现0次或1次或多次 相当于{0,},

• +表示出现1次或多次 相当于{1,},

• ?表示出现0次或1次 相当于{0,1}, 这里是一些例子:

"ab*": 和ab{0,}同义,匹配以a开头,后面可以接0个或者N个b组成的字符串("a", "ab", "abbb", 等);
"ab+": 和ab{1,}同义,同上条一样，但最少要有一个b存在 ("ab", "abbb", 等.);
"ab?":和ab{0,1}同义,可以没有或者只有一个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.
要点：'*', '+',和 '?'只管它前面那个字符.

{ }

你也可以在大括号里面限制字符出现的个数，比如
"ah{2}": 要求a后面一定要跟两个h（一个也不能少）("ahh");
"ah{2,}": 要求a后面一定要有两个或者两个以上h(如"ahh", "ahhhh", 等.);
"ah{3,5}": 要求a后面可以有3－5个h("ahhh", "ahhhh", or "ahhhhh").

() {}

现在我们把一定要的几个字符放到小括号里，比如：
“a(bc)*”: 匹配 a 后面跟0个或者多个"bc";
"a(bc){1,5}": 一个到5个 "bc."

'│'

还有一个字符 '│', 相当于OR(或者) 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;

'.'

一个点('.')可以代表所有的单一字符,不包括"\n"

如果,要匹配包括"\n"在内的所有单个字符,怎么办?

用'[\n.]'这种模式.

"a.[0-9]": 一个a加一个字符再加一个0到9的数字

".{3}$": 三个任意字符结尾 .

[ ]

中括号括住的内容只匹配一个单一的字符

"[ab]": 匹配单个的 a 或者 b ( 和 "a│b" 一样);

"[a-d]": 匹配'a' 到'd'的单个字符 (和"a│b│c│d" 还有 "[abcd]"效果一样); 一般我们都用[a-zA-Z]来指定字符为一个大小写英文

"^[a-zA-Z]": 匹配以大小写字母开头的字符串

"[0-9]%": 匹配含有 形如 x％ 的字符串

",[a-zA-Z0-9]$": 匹配以逗号再加一个数字或字母结尾的字符串

^[]和 [^] 的区别

你也可以把你不想要得字符列在中括号里，你只需要在总括号里面使用'^' 作为开头 "%[^a-zA-Z]%" 匹配含有两个百分号里面有一个非字母的字符串.

要点：^用在中括号开头的时候,就表示排除括号里的字符

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 "[*+?{}.]"匹配含有这些字符的字符串.

{ } \b

看了上面的例子,你对{n,m}应该理解了吧.要注意的是,n和m都不能为负整数,而且n总是小于m. 这样,才能 最少匹配n次且最多匹配m次. 如"p{1,5}"将匹配 "pvpppppp"中的前五个p

下面说说以\开头的

\b 书上说他是用来匹配一个单词边界,就是...比如've\b',可以匹配love里的ve而不匹配very里有ve

\B 正好和上面的\b相反.例子我就不举了

应用一

好,说了这么多下面我们再回过头来看我们的邮件正则怎么构造的:

用户名的正则表达式

^[a-zA-Z][0-9a-zA-Z_]{4,19}

a-z表示a到z的所有小写字母，A-Z表示A到Z的所有大写字母，但是[ ]只能取一个字符，所以[a-zA-Z]只能取其中一个符,也就是从所有的大小写英文字母中只能取一个字母，^放在[]外面表示开始， 所以^[a-zA-Z]表示以一个英文字母开头。

应用二

[0-9a-zA-Z_]表示从所有的阿拉伯数字和英文及_中取一个字符,而{4,19}表示匹配最少4次,最多9次显然

[0-9a-zA-Z_]{4,19}表示前面的字符至少出现4次,最多出现19次.

那么现在请问下面这个表达式所表达的意思

^[a-zA-Z][0-9a-zA-Z_]{4,19}

(.)表示一个点别和'.'混淆了'.'是表示除\n的任意一个字符()表示这是个子母式

(com|cn|com.cn|net)$

表示以com或cn或com.cn或net结尾的一串字符

正则表达式的语法规则

正则表达式是主要由:
原子（普通字符，如英文字符）
元字符（有特殊功用的字符）
以及模式修正字符组成。
一个正则表达式中至少包含一个原子。

原子(Atom)

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。

原子字符是由所有末显式指定为元字符的打印和非打印字符组成。这包括所有的英文字母、数字、标点符号以及其他一些符号。原子也包括以下内容。

• 单个字符、数字，如a_z,AZ,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。
• 普通转义字符。
• 转义元字符。
• 正则表达式所使用的普通转义字符

原子	说明
\d	匹配一个数字；等价于 [0-9]
\D	匹配除数字以外任何一个字符；等价于 [^0-9]
\w	匹配一个英文字母、数字或下划线；等价于 [0-9a-zA-Z_]
\W	匹配除英文字母、数字和下划线以外任何一个字符；等价于 [^0-9a-zA-Z_]
\s	匹配一个空白字符；等价于 [\f\n\r\t\v]
\S	匹配除空白字符以外任何一个字符；等价于 [^\f\n\r\t\v]
\f	匹配一个换页符等价于 \x0c 或 \cL
\n	匹配一个换行符；等价于 \x0a 或 \cJ
\r	匹配一个回车符等价于 \x0d 或 \cM
\t	匹配一个制表符；等价于 \x09\ 或 \cl
\v	匹配一个垂直制表符；等价于 \x0b 或 \ck
\oNN	匹配一个八进制数字
\xNN	匹配一个十六进制数字
\cC	匹配一个控制字符

元字符(Meta-character)

元字符是用于构造规则表达式的具有特殊含义的字符。如果要在正则表达式中包含元字符本身，必须在其前加上”\”进行转义

说明	元字符
*	0 次、 1 次或多次匹配其前的原子
+	1 次或多次匹配其前的原子
?	0 次或 1 次匹配其前的原子
.	匹配任何一个字符
竖线	匹配两个或多个选择
^或\A	匹配字符串串首的原子
$或\Z	匹配字符串串尾的原子
\b	匹配单词的边界
\B	匹配除单词边界以外的部分
[]	匹配方括号中的任一原子
[^]	匹配除方括号中的原子外的任何字符
()	整体表示一个原子
{m}	表示其前原子恰好出现 m 次
{m,n}	表示其前原子至少出现 m 次，至多出现 n 次 (n>m)
{m,}	表示其前原子出现不少于 m 次 原子表

原子表

• 原子表”[]”中存放一组原子，彼此地位平等，且仅匹配其中的一个原子。如果想匹配一个 ”a” 或 ”e” 使用 / [ae]/, 例如: /Pr[ae]y/ 匹配 ”Pray” 或者 ”Prey ”。
• 原子表 ”^” 或者称为排除原子表，匹配除表内原子外的任意一个字符。例如：/p[^u]/匹配“part”中的“pa”，但无法匹配“computer”中的“pu”因为“u”在匹配中被排除。
• 通常，在原子表中用“-”连接一组按ASCII码顺序排列的原子，用以简化书写。
• 如/x[0123456789]可以写成/x[0-9]/,用来匹配一个由 “x” 字母与一个数字组成的字符串；
  /0[xX][0-9a-fA-F]/匹配一个简单的十六进制数字，如“0x9”。/[^0-9a-zA-Z_]/匹配除英文字母、数字和下划线以外任何一个字符，其等价于/\W/。

重复匹配

正则表达式中有一些用于重复匹配其前原子的元字符：“?”、“*”、“+”。他们主要的不同是重复匹配的次数不同。

• 元字符“？”表示0次或1次匹配紧接在其前的原子。例如：/colou?r/匹配“colour”或“color”。
• 元字符“”表示0次、1次或多次匹配紧接在其前的原子。例如：/^<[A-Za-z][A-Za-z0-9]>$/可以匹配“<P>”、“<Body>”等HTML标签，并且不严格的控制大小写。
• 元字符“+”表示1次或多次匹配紧接在其前的原子。例如：/go+gle/ 匹配“gogle”、“google”或“gooogle”等中间含有多个o的字符串。上文中提及的十六进制数字的例子，实际上更加完善的匹配表达式是/^0?[ xX][0-9a-fA-F]+$/,可以匹配“0x9B3C”或者“X800”等。
  要准确地指定原子重复的次数，还可以使用元字符“{}”指定所匹配的原子出现的次数。“{m}”表示其前原子恰好出现m次；“{m，n}”表示其前原子至少出现m次，至多出现n次；“{m，}”表示其前原子出现不少于m次。

以下是一些示例。

• /zo{1,3}m/只能匹配字符串“zom”、“zoom”、或“zooom”。
• /zo{3}m/只能匹配字符串“zooom”
• /zo{3，}m/ 可以匹配以 “z” 开头，“m”结束，中间至少为3个“o”的字符串。
• /bo{0,1}u/可以匹配字符串“bought a butter” 中的“bou”和“bu”,起完全等价于/bo?u/。

边界限制

在某些情况下，需要对匹配范围进行限定，以获得更准确的匹配结果。

元字符“^”（或“\A”）置于字符串的开始确保模式匹配出现在字符串首端；

“$”（或“\Z”）置于字符串的结束，确保模式匹配出现字符串尾端。

例如，在字符串“Tom and Jerry chased each other in the house until tom’s uncel come in”中使用/^Tom或Atom匹配句首的“Tom”； 而/in$或/in\Z匹配句末“come in”中的“in”。如果不加边界限制元字符，将获得更多的匹配结果。

在使用各种编辑软件的查找功能时，可以通过选择“按单词查找”获得更准确的结果。正则表达式中也提供类似的功能。

元字符“\b”对单词的边界进行匹配；

“\B”对单词的内部进行匹配。

例如：在字符串“This island is a beautiful land”中使用/\bis\b/可以匹配单词“is”而与“This”或者“island”无关。/\bis/与单词边界匹配，可以匹配单词“is”和“island”中的“is”；/\Bis/不与单词左边界匹配，可以匹配单词“is”和“This”中的“is”./\Bis\B将明确的指示不与单词的左、右边界匹配，只匹配单词的内部。所以在这个例子中没有结果。

元字符 “.”

元字符“.”匹配除换行符外任何一个字符，相当于^\n或^\r\n。

例如：/pr.y/可以匹配的字符串“prey”、“pray”或“pr%y”等。

通常可以使用“.*”组合来匹配除换行符外的任何字符。在一些书籍中也称其为“全匹配符” 或 “单含匹配符”。

例如/a.*z/表示可以匹配字母“a”开头，字母“z”结束的任意不包括换行符的字符串。“.+”也可以完成类似的匹配功能所不同的是其至少匹配一个字符。例如/a.+z/将不匹配字符串“az”。

模式选择符

元字符“|”又称模式选择符。在正则表达式中匹配两个或更多的选择之一。

例如：

在字符串“There are many apples and pears.”中，/apple|pear/在第一次运行时匹配“apple”；再次运行时匹配“ pear”。也可以继续增加选项，如/apple|pear|banana|lemon/。

模式单元

元字符“（）”将其中的正则表达式变为原子（或称模式单元）使用。与数学表达式中的括号类似，“（）”可以做一个单元被单独使用。

例如：

/(Dog)+/匹配的“Dog”、“DogDog”、“DogDogDog”……..,因为紧接着“+”前的原子是元字符“（）”括起来的字符串“Dog”。

一个模式单元中的表达式将被优先匹配或运算。系统自动将这些模式单元的匹配依次存储起来，在需要时可以用“\1”、“\2”、“\3”的形式进行引用。当正则表达式包含有相同的模式单元时，这种方法非常便于对其进行管理。

例如：

/^\d{2}([\W])\d{2}\1\d{4}$匹配“12-31-2006”、“09/27/1996”、“86 01 4321”等字符串。但上述正则表达式不匹配“12/34-5678”的格式。这是因为模式“[\W]”的结果“/”已经被存储。下个位置“\1”引用时，其匹配模式也是字符“/”。

模式修正符（Pattern Modifiers）

模式修正符扩展了正则表达式在字符匹配、替换操作时的某些功能。这些扩展或者说修正增强了正则表达式的处理能力。模式修正符一般标记于整个模式之外，并且可以组合使用，如“/apple/i”、“/cat|dog/uis”等。表列出了一些常用的模式修正符极其功能说明。

模式修正符	说明
i	可同时匹配大小写字母
M	将字符串视为多行
S	将字符串视为单行，换行符做为普通字符看待
x	模式中的空白忽略不计
S	当一个模式将被使用若干次时，为加速匹配起见值得先对其进行分析
U	匹配到最近的字符串
e	将替换的字符串作为表达使用

下面是几个简单的示例，可以说明模式修正符的使用

/apple/i匹配“apple”或“Apple”等，忽略大小写。

/I love you/ix匹配“iloveYou”,忽略大小写以及空白。

/<.>/ U将依次匹配字符串“<b>Cool</b> music

---

Few years ago….. ”中的“<b>”、“</b>”和“

---

”。而/<.>/却匹配到最后一个可用的字符串，既“<b>Cool</b>music

---

” 。

/<h .*>/Uis将HTML文件视为单行字符串，忽略大小写和换行符。匹配其中中的所有以“h”开头的标签，如“<Hl>”、“<hr size>”等。

PHP中的正则表达式函数

正则表达式的匹配

1、preg_match() 函数

函数原形：

    int preg_match(string $pattern, string $content[,array $matches])

preg_match()函数在$content字符串中搜索与$pattern给出的正则表达式相匹配的内容。如果提供了$matches,则将匹配结果放入其中。$matches[0]将包含与整个匹配的文本，$matches[1]将包含第一个捕获的与括号中的模式单元所匹配的内容，以此类推。该函数只作一次匹配，最终返回0或1的匹配结果数。

<?php
    //需要匹配的字符串。date函数返回当前时间
    $content = "Current date and time is ".date("Y-m-d h:i a").", we are learning PHP together.";

    //使用通常的方法匹配时间
    if (preg_match ("/\d{4}-\d{2}-\d{2} \d{2}:\d{2} [ap]m/", $content, $m)) 
    {
        echo "匹配的时间是：" .$m[0]. "\n";
    }

    //由于时间的模式明显，也可以简单的匹配
    if (preg_match ("/([\d-]{10}) ([\d:]{5} [ap]m)/", $content, $m)) 
    {
        echo "当前日期是：" .$m[1]. "\n";
        echo "当前时间是：" .$m[2]. "\n";
    }
?>

3、preg_grep()

函数原型:

    array preg_grep(string $pattern,array $input)

Preg_grep()函数返回一个数组,其中包括了$input数组中与给定的$pattern模式相匹配的单元。对于输入数组$input中的每个元素，preg_grep()也只进行一次匹配。

<?php
    $subjects = array(
         "Mechanical Engineering",  "Medicine",
          "Social Science",          "Agriculture",
         "Commercial Science",     "Politics"
    );
    
    //匹配所有仅由有一个单词组成的科目名
    $alonewords = preg_grep("/^[a-z]*$/i", $subjects);
?>

进行全局正则表达式匹配

1、preg_match_all()

与preg_match()函数类似。如果使用了第三个参数，将把所有可能的匹配结果放入。本函数返回整个模式匹配的次数（可能为0），如果出错返回False。

<?php
    //功能：将文本中的链接地址转成HTML
    //输入：字符串
    //输出：字符串
    function url2html($text)
    {
        //匹配一个URL，直到出现空白为止
        preg_match_all("/http:\/\/?[^\s]+/i", $text, $links);

        //设置页面显示URL地址的长度
        $max_size = 40;
        foreach($links[0] as $link_url)
        {
            //计算URL的长度。如果超过$max_size的设置，则缩短。
            $len = strlen($link_url);

            if($len > $max_size) 
            {
                $link_text = substr($link_url, 0, $max_size)."...";
            } else {
                $link_text = $link_url;
            }

            //生成HTML文字
            $text = str_replace($link_url,"<a href='$link_url'>$link_text</a>",$text);
        }
        return $text;
    }
    
    //运行实例
    $str = “这是一个包含多个URL链接地址的多行文字。欢迎访问http://www.taoboor.com”;
    print url2html($str);

    /*输出结果
        这是一个包含多个URL链接地址的多行文字。欢迎访问<a href='http://www.taoboor.com'>
        http://www.taoboor.com</a>
    */
?>

多行匹配

仅仅使用POSIX下的正则表达式函数，很难进行复杂的匹配操作。例如，对整个文件（尤其是多行文本）进行匹配查找。使用ereg()对此进行操作的一个方法是分行处理。

<?php
    $rows = file('php.ini');  //将php.ini文件读到数组中

    //循环便历
    foreach($rows as $line)
    {
      If(trim($line))
      {
        //将匹配成功的参数写入数组中
        if(eregi("^([a-z0-9_.]*) *=(.*)", $line, $matches))
        {
            $options[$matches[1]] = trim($matches[2]);
         }
         unset($matches);
       }
    }

    //输出参数结果
    print_r($options);
?>

正则表达式的替换

preg_replace()

函数原形：

mixed preg_replace(mixed $patten,mixed $replacement,mixed $subject[,int $limit])
Preg_replace较ereg_replace的功能更加强大，其前三个参数均可以使用数组；第四个参数$limit可以设置替换的次数，默认为全部替换。

<?php
    //字符串
    $string = "Name: {Name}<br>\nEmail: {Email}<br>\nAddress: {Address}<br>\n";

    //模式
    $patterns =array(
            "/{Address}/",
            "/{Name}/",
            "/{Email}/"
    );

    //替换字串
    $replacements = array (
            "No.5, Wilson St., New York, U.S.A",
            "Thomas Ching",
            "tom@emailaddress.com",
    );

    //输出模式替换结果
    print preg_replace($patterns, $replacements, $string);
?>

正则表达式的拆分

1、split()和spliti()

函数原型：

array split (string $pattern,string $string[,int $limit])
本函数返回一个字符串数组，每个单元为$string经正则表达式$pattern作为边界分割出的子串。如果设定了$limit,则返回的数组最多包含$limit个单元。而其中最后一个单元包含了$string中剩余的所有部分。Spliti是split的忽略大小版本。

<?php
    $date = "08/30/2006";
    
    //分隔符可以是斜线，点，或横线
    list($month, $day, $year) = split ('[/.-]', $date);
    
    //输出为另一种时间格式
    echo "Month: $month; Day: $day; Year: $year<br />\n";
?>

2、preg_split()

本函数与split函数功能一致。

<?php
    $seek  = array();
    $text   = "I have a dream that one day I can make it. So just do it, nothing is impossible!";
    
    //将字符串按空白，标点符号拆分（每个标点后也可能跟有空格）
    $words = preg_split("/[.,;!\s']\s*/", $text);
    foreach($words as $val)
    {
        $seek[strtolower($val)] ++;
    }

    echo "共有大约" .count($words). "个单词。";
    echo "其中共有" .$seek['i']. "个单词“I”。";
?>

正则表达式的Wed验证应用
电子邮件地址的校验

<?php
    /* 校验邮件地址 */
    function checkMail($email)
    {
        //用户名，由“\w”格式字符、“-”或“.”组成
        $email_name = "\w|(\w[-.\w]*\w)";

        //域名中的第一段，规则和用户名类似，不包括点号“.”
        $code_at        = "@";
        $per_domain = "\w|(\w[-\w]*\w)";

        //域名中间的部分，至多两段
        $mid_domain = "(\." .$per_domain. "){0,2}"; 

        //域名的最后一段，只能为“.com”、“.org”或“.net”
        $end_domain = "(\.(com|net|org))";      

        $rs = preg_match(
              "/^{$email_name}@{$per_domain}{$mid_domain}{$end_domain}$/",
              $email
             );
        return (bool)$rs;
    }

    //测试，下面均返回成功
    var_dump( checkMail("root@localhost") );
    var_dump( checkMail("Frank.Roulan@esun.edu.org") );
    var_dump( checkMail("Tom.024-1234@x-power_1980.mail-address.com") );
?>

URL地址的校验

<?php
    /* 校验URL地址 */
    function checkDomain($domain)
    {
        return ereg("^(http|ftp)s? ://(www\.)?.+(com|net|org)$", $domain);
    }
    
    $rs = checkDomain ("www.taodoor.com");              //返回假
    $rs = checkDomain ("http://www.taodoor.com");       //返回真
?>

电话号码

<?php
    /* 校验电话号码 */
    function checkTelno($tel)
    {
        //去掉多余的分隔符
        $tel = ereg_replace("[\(\)\. -]", "", $tel);
    
        //仅包含数字，至少应为一个6位的电话号（即没有区号）
        if(ereg("^\d+$", $tel))
        {
            return true;
        }else{
            return false;
        }
    }
    
    $rs = checkTelno("(086)-0411-12345678");            //返回真
?>

邮政编码的校验

<?php
    /* 校验邮政编码 */
    function checkZipcode($code)
    {
        //去掉多余的分隔符
        $code = preg_replace("/[\. -]/", "", $code);

        //包含一个6位的邮政编码
        if(preg_match("/^\d{6}$/", $code))
        {
            return true;
        }else{
            return false;
        }
    }

    $rs = checkZipCode("123456");   //返回真
?>

至此，最通俗易懂的php正则表达式教程结束！