PHP中的正则表达式函数

来源：http://www.study-code.com/php-delphi/php/70547.htm

 

6.3  PHP中的正则表达式函数

在PHP中有两套正则表达式函数库。一套是由PCRE（Perl Compatible Regular Expression）库提供的。PCRE库使用和Perl相同的语法规则实现了正则表达式的模式匹配，其使用以“preg_”为前缀命名的函数。另一套是由POSIX（Portable Operation System interface）扩展库提供的。POSIX扩展的正则表达式由POSIX 1003.2定义，一般使用以“ereg_”为前缀命名的函数。

两套函数库的功能相似，执行效率稍有不同。一般而言，实现相同的功能，使用PCRE库的效率略占优势。下面详细介绍其使用方法。

6.3.1  正则表达式的匹配

1．preg_match()

函数原型：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]将包含与整个模式匹配的文本，$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。代码6.1给出preg_match()函数的一段代码示例。

代码6.1  日期时间的匹配

<?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";

     }

?>

这是一个简单动态文本串匹配实例。假设当前系统时间是“2006年8月17日13点25分”，将输出如下的内容。

匹配的时间是：2006-08-17 01:25 pm

当前日期是：2006-08-17

当前时间是：01:25 pm

2．ereg()和eregi()

ereg()是POSIX扩展库中正则表达式的匹配函数。eregi()是ereg()函数的忽略大小写的版本。二者与preg_match的功能类似，但函数返回的是一个布尔值，表明匹配成功与否。需要说明的是，POSIX扩展库函数的第一个参数接受的是正则表达式字符串，即不需要使用分界符。例如，代码6.2是一个关于文件名安全检验的方法。

代码6.2  文件名的安全检验

<?php

     $username = $_SERVER['REMOTE_USER'];

     $filename = $_GET['file'];

     //对文件名进行过滤，以保证系统安全

     if (!ereg('^[^./][^/]*$', $userfile))

     {

         die('这不是一个非法的文件名！');

     }

     //对用户名进行过滤

     if (!ereg('^[^./][^/]*$', $username))

     {

         die('这不是一个无效的用户名');

     }

               

     //通过安全过滤，拼合文件路径

     $thefile = "/home/$username/$filename";

?>

通常情况下，使用与Perl兼容的正则表达式匹配函数perg_match()，将比使用ereg()或eregi()的速度更快。如果只是查找一个字符串中是否包含某个子字符串，建议使用strstr()或strpos()函数。

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。代码6.3给出的示例简单地说明了preg_grep()函数的使用。

代码6.3  数组查询匹配

<?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);

?>

6.3.2  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。下面是一个将文本中的URL链接地址转换为HTML代码的示例。代码6.4是preg_match_all()函数的使用范例。

代码6.4  将文本中的链接地址转成HTML

<?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>

     */

?>

2．多行匹配

仅仅使用POSIX下的正则表式函数，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。代码6.5的示例演示了ereg()如何将INI文件的参数赋值到数组之中。

代码6.5  文件内容的多行匹配

<?php

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

     //循环遍历

     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);

?>

提示	这里只是为了方便说明问题。解析一个*.ini文件，最佳方法是使用函数parse_ini_file()。该函数直接将*.ini文件解析到一个大数组中。

6.3.3  正则表达式的替换

1．ereg_replace()和eregi_replace()

函数原型：string ereg_replace (string $pattern, string $replacement, string $string)

                                                                 string eregi_replace (string $pattern, string $replacement, string $string)

ereg_replace()在$string中搜索模式字符串$pattern，并将所匹配结果替换为$replacement。当$pattern中包含模式单元（或子模式）时，$replacement中形如“\1”或“$1”的位置将依次被这些子模式所匹配的内容替换。而“\0”或“$0”是指整个的匹配字符串的内容。需要注意的是，在双引号中反斜线作为转义符使用，所以必须使用“\\0”，“\\1”的形式。

eregi_replace()和ereg_replace()的功能一致，只是前者忽略大小写。代码6.6是本函数的应用实例，这段代码演示了如何对程序源代码做简单的清理工作。

代码6.6  源代码的清理

<?php

     $lines = file('source.php');                                                                //将文件读入数组中

     for($i=0; $i<count($lines); $i++)

     {

         //将行末以“\\”或“#”开头的注释去掉

         $lines[$i] = eregi_replace("(\/\/|#).*$", "", $lines[$i]);

         //将行末的空白消除

         $lines[$i] = eregi_replace("[ \n\r\t\v\f]*$", "\r\n", $lines[$i]);

     }

     //整理后输出到页面

     echo htmlspecialchars(join("",$lines));

?>

2．preg_replace()

函数原型：mixed preg_replace (mixed $pattern, 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。代码6.7是一个数组替换的应用实例。

代码6.7  数组替换

<?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);

?>

输出结果如下。

Name: Thomas Ching",

Email: tom@emailaddress.com

Address: No.5, Wilson St., New York, U.S.A

在preg_replace的正则表达式中可以使用模式修正符“e”。其作用是将匹配结果用作表达式，并且可以进行重新运算。例如：

<?php

     $html_body = “<HTML><Body><H1>TEST</H1>My Picture<Img src=”my.gif”></Body></HTML>”;

     //输出结果中HTML标签将全部为小写字母

     echo preg_replace (

             "/(<\/?)(\w+)([^>]*>)/e",

             "'\\1'.strtolower('\\2').'\\3'",   //此处的模式变量\\2将被strtolower转换为小写字符

              $html_body);

?>

提示	preg_replace函数使用了Perl兼容正则表达式语法，通常是比ereg_replace更快的替代方案。如果仅对字符串做简单的替换，可以使用str_replace函数。

6.3.4  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。代码6.8是一个经常用到关于日期的示例。

代码6.8  日期的拆分

<?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。代码6.9是一个查找文章中单词数量的示例。

代码6.9  查找文章中单词数量

<?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”。";

?>

提示	preg_split()函数使用了Perl兼容正则表达式语法，通常是比split()更快的替代方案。使用正则表达式的方法分割字符串，可以使用更广泛的分隔字符。例如，上面对日期格式和单词处理的分析。如果仅用某个特定的字符进行分割，建议使用explode()函数，它不调用正则表达式引擎，因此速度是最快的。