1.正则表达式基础知识
含义：由普通字符和（a-z)和一些特殊字符组成的字符串模式
功能：有效性验证。
替换文本。
从一个字符串提取一个子字符串。
分类：POSIX和Perl
POSIX风格更容易掌握，但不能用于二进制模式，而perl相对比较复杂。
2.POSIX风格的正则表达式
1.编写正则表达式
表4.3 POSIX正则表达式语法格式列表
|
字 符 |
描 述 |
|
\ |
转义字符，用于转义特殊字符。例如，'.'匹配单个字符，'\.'匹配一个点号。'\-'匹配连字符'-'，'\\'匹配符号'\' |
|
^ |
匹配输入字符串的开始位置。例如'^he'表示以'he'开头的字符串 |
|
$ |
匹配输入字符串的结束位置。例如，'ok$'表示以'ok'结尾的字符串 |
|
* |
匹配前面的子表达式零次或多次。例如，'zo*'能匹配"z"以及"zoo"。*等价于{0,} |
|
+ |
匹配前面的子表达式一次或多次。例如，'zo+'能匹配"zo"以及"zoo"，但不能匹配"z"。+等价于{1,} |
|
? |
匹配前面的子表达式零次或一次。例如，'do(es)?'可以匹配"do"或"does"中的"do"。'?'等价于{0,1} |
|
{n} |
n是一个非负整数。匹配确定的n次。例如，'o{2}'不能匹配"Bob"中的'o'，但是能匹配"food" 中的两个'o' |
|
{n,} |
n是一个非负整数。至少匹配n次。例如，'o{2,}'不能匹配"Bob"中的'o'，但能匹配"foooood" 中的所有'o'。'o{1,}'等价于'o+'。'o{0,}'则等价于'o*' |
|
{n,m} |
m和n均为非负整数，其中n≤m。最少匹配n次且最多匹配m次。例如，"o{1,3}"将匹配"fooooood"中的前三个'o'。'o{0,1}'等价于'o?'。请注意在逗号和两个数之间不能有空格 |
|
? |
当该字符紧跟在任何一个其他限制符（*, +, ?, {n}, {n,}, {n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如，对于字符串"oooo"，'o+?'将匹配单个"o"，而'o+' 将匹配所有'o' |
|
. |
匹配除"\n"之外的任何单个字符，要匹配包括'\n' 在内的任何字符，可以使用'[.\n]'的模式 |
|
(pattern) |
匹配pattern并获取这一匹配。所获取的匹配保存到相应的数组中。要匹配圆括号字符，请使用 '\(' 或 '\)' |
|
(?:pattern) |
匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储。这在使用"或"|"来组合一个模式的各个部分时很有用。例如，'industr(?:y|ies).就是一个比'industry|industries'更简略的表达式 |
|
(?=pattern) |
正向预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，'Windows(?=95|98|NT|2000)'能匹配"Windows 2000"中的"Windows"，但不能匹配"Windows 3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始 |
|
(?!pattern) |
负向预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows(?!95|98|NT|2000)'能匹配"'Windows 3.1"中的"Windows"，但不能匹配"Windows 2000"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始 |
|
x|y |
匹配x或y。例如，'z|food' 能匹配"z"或"food"，'(z|f)ood'则匹配"zood"或"food" |
|
[xyz] |
字符集合。匹配所包含的任意一个字符。例如，'[abc]'可以匹配"plain"中的'a' |
|
[^xyz] |
负值字符集合。匹配未包含的任意字符。例如，'[^abc]'可以匹配"plain"中的'p' |
|
[a-z] |
字符范围。匹配指定范围内的任意字符。例如，'[a-z]'可以匹配'a'到'z' 范围内的任意小写字母字符 |
|
[^a-z] |
负值字符范围。匹配不在指定范围内的任意字符。例如，'[^a-z]'可以匹配不在'a' 到'z'范围内的任意字符 |
以下是几个简单的正则表达式的例子：
●'[A-Za-z0-9] '：表示所有的大写字母、小写字母及0到9的数字。
●'^hello'：表示以hello开始的字符串。
●'world$'：表示以world结尾的字符串。
●'.at'：表示以除"\n"外的任意单个字符开头并以"at"结尾的字符串，如"cat"、"nat"等。
●'^[a-zA-Z]'：表示一个以字母开头的字符串。
●'hi{2}'：表示字母h后跟着两个i即hii。
●'(go)+'：表示至少含有一个'go'字符串的字符串，如'gogo'
身份证号码一般由18位数字或17位数字后面加一个X或Y字母组成，要匹配身份证号码，可以写作：
^[0-9]{17}([0-9]|X|Y)$
Email地址的正则表达式可以写作：
^[a-zA-Z0-9\-]+@[a-zA-Z0-9\-]+\.[a-zA-Z0-9\-\.]+$
2.字符串的匹配
ereg()和eregi()函数
使用ereg()函数可以查找字符串与子字符串匹配的情况，并返回匹配字符串的长度，还可以借助参数返回匹配字符的数组。语法格式如下：
int ereg(string ($pattern) , string $string [, array $regs ])
<?php
/*本例检查字符串是否是ISO格式的日期(YYYY-MM-DD) */
$date="1988-08-09";
$len=ereg ('([0-9]{4})-([0-9]{1,2})-([0-9]{1,2})', $date, $regs);//日期格式为YYYY-MM-DD
if ($len)
{
echo "$regs[3].$regs[2].$regs[1]". "<br>"; //输出"09.08.1988"
echo $regs[0] ."<br>"; //输出"1988-08-09"
echo $len; //输出10
}
else
{
echo "错误的日期格式: $date";
}
?>
3.字符串的替换
ereg_replace()函数语法格式如下：
string ereg_replace(string $pattern , string $replacement , string $string)
说明：函数使用字符串$replacement替换字符串$string中与$pattern匹配的部分，并返回替换后的字符串。若未找到匹配项，则原样返回
<?php
$str="hello world";
echo ereg_replace('[aeo]', 'x',$str). "<br>"; //输出'hxllx wxrld'
$res='<a href=\"hello.php\">hello</a>';
echo ereg_replace('hello', $res,$str); //使用超链接替换'hello'
?>
4.分割数组
使用split()函数可以完成与explode()函数一样的功能，而且可以根据给出的正则表达式来分割字符串，并返回一个数组。语法格式如下：
array split(string $pattern , string $string [, int $limit ])
5.产生正则表达式
3.Perl兼容的正则表达式
1.编写正则表达式
表4.4 Perl兼容正则表达式扩充的语法格式
|
字 符 |
描 述 |
|
\b |
匹配一个单词边界，也就是指单词和空格间的位置。例如，'er\b'可以匹配"never"中的 'er'，但不能匹配"verb"中的'er' |
|
\B |
匹配非单词边界。'er\B'能匹配"verb"中的'er'，但不能匹配"never"中的'er' |
|
\cx |
匹配由x指明的控制字符。例如，'\cM'匹配一个Control-M或回车符。x的值必须为A～Z或a～z之一。否则，将'c'视为一个原义的'c'字符 |
|
\d |
匹配一个数字字符。等价于'[0-9]' |
|
\D |
匹配一个非数字字符。等价于'[^0-9]' |
|
\f |
匹配一个换页符。等价于'\x0c'和'\cL' |
|
\n |
匹配一个换行符。等价于'\x0a'和'\cJ' |
|
\r |
匹配一个回车符。等价于'\x0d'和'\cM' |
|
\s |
匹配任何空白字符，包括空格、制表符、换页符等。等价于' [ \f\n\r\t\v] ' |
|
\S |
匹配任何非空白字符。等价于' [^ \f\n\r\t\v] ' |
|
\t |
匹配一个制表符。等价于'\x09'和'\cI' |
|
\v |
匹配一个垂直制表符。等价于'\x0b'和'\cK' |
|
\w |
匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]' |
|
\W |
匹配任何非单词字符，等价于'[^A-Za-z0-9_]' |
|
\xn |
匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配"A"。'\x041'则等价于'\x04' & "1"。正则表达式中可以使用ASCII编码 |
|
\num |
匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，'(.)\1'匹配两个连续的相同字符 |
|
\n |
标志一个八进制转义值或一个后向引用。如果\n之前至少有n个获取得子表达式，则n为后向引用。否则，如果n为八进制数字（0～7），则n为一个八进制转义值 |
|
\nm |
标志一个八进制转义值或一个后向引用。如果\nm之前至少有nm个获取得子表达式，则 nm为后向引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的后向引用。如果前面的条件都不满足，若 n和m均为八进制数字（0～7），则\nm将匹配八进制转义值nm |
|
\nml |
如果n为八进制数字（0～3），且m和l均为八进制数字（0～7），则匹配八进制转义值nml |
|
\un |
匹配n，其中n是用4个十六进制数字表示的Unicode字符。例如，'\u00A9'匹配版权符号（©） |
2.字符串匹配
preg_match()函数进行字符串的查找，语法格式如下：
int preg_match(string $pattern , string $subject [, array $matches [, int $flags ]])
说明：该函数的结构与ereg()函数类似，在$subject字符串中搜索与$pattern给出的正则表达式相匹配的内容。
preg_match()函数返回$pattern所匹配的次数。不是0次（没有匹配）就是1次，因为preg_match()函数在第一次匹配之后将停止搜索
还有一个是preg_match_all(),从第一个匹配的末尾开始继续搜索，直到搜索完整个字符串。
preg_match_all()函数参数$flags的值可以取以下三种：
●PREG_PATTERN_ORDER。默认项，表示$matches[0]为全部模式匹配的数组，
$matches[1]为第一个括号中的子模式所匹配的字符串组成的数组，以此类推。
●PREG_SET_ORDER。如果设定此标记，则$matches[0]为第一组匹配项的数组，$matches[1]为第二组匹配项的数组，以此类推。
●PREG_OFFSET_CAPTURE。PREG_OFFSET_CAPTURE可以和其他两个标记组合使用，
如果设定本标记，对每个出现的匹配结果也同时返回其附属的字符串偏移量。
3.字符串的替换
使用preg_replace()函数能够完成与函数ereg_replace()相同的功能，在字符串中查找匹配的子字符串，并用指定字符串替换子字符串。
语法格式如下：
mixed preg_replace(mixed $pattern , mixed $replacement , mixed $subject [, int $limit ])
4.字符串的分割
preg_split()函数可以使用正则表达式作为边界分割一个字符串，并将子字符串存入一个数组返回，作用与split()函数类似。
语法格式如下：
array preg_split(string $pattern , string $subject [, int $limit [, int $flags ]])
说明：本函数区分大小写，返回一个数组，数组包含$subject中沿着与$pattern匹配的边界所分割的子串。
$limit是可选参数，如果指定则最多返回$limit个字串，如果省略或为-1，则没有限制。
$flags的值可以是以下三种：
●PREG_SPLIT_NO_EMPTY。如果设定本标记，则函数只返回非空的字符串。
●PREG_SPLIT_DELIM_CAPTURE。如果设定本标记，定界符模式中的括号表达式的匹配项也会被捕获并返回。
PREG_SPLIT_OFFSET_CAPTURE。如果设定本标记，对每个出现的匹配结果也同时返回其附属的字符串偏移量。
4.3实例-验证表单内容
【例4.4】 使用正则表达式验证用户输入的表单内容是否满足格式要求。
新建EX4_4_Hpage.php文件，输入以下代码。
<?php
include 'EX4_4_Hpage.php'; //包含文件EX4_4Hpage.php
$id=$_POST['ID'];
$pwd=$_POST['PWD'];
$phone=$_POST['PHONE'];
$Email=$_POST['EMAIL'];
$checkid=preg_match('/^\w{1,10}$/',$id); //检查字符串是否在10个字符以内
$checkpwd=preg_match('/^\d{4,14}$/',$pwd); //检查是否在4～14个数字之间
$checkphone=preg_match('/^1\d{10}$/',$phone); //检查是否是以1开头的11位数字
//检查Email地址的合法性
$checkEmail=preg_match('/^[a-zA-Z0-9_\-]+@[a-zA-Z0-9\-]+\.[a-zA-Z0-9\-\.]+$/',$Email);
if($checkid&&$checkpwd&&$checkphone&&$checkEmail) //如果都为1，则注册成功
echo "注册成功！";
else
echo "注册失败，格式不对";
?>
新建EX4_4_Ppage.php文件，输入以下代码：
<?php
include 'EX4_4_Hpage.php'; //包含文件EX4_4Hpage.php
$id=$_POST['ID'];
$pwd=$_POST['PWD'];
$phone=$_POST['PHONE'];
$Email=$_POST['EMAIL'];
$checkid=preg_match('/^\w{1,10}$/',$id); //检查字符串是否在10个字符以内
$checkpwd=preg_match('/^\d{4,14}$/',$pwd); //检查是否在4-14个字符之间
$checkphone=preg_match('/^1\d{10}$/',$phone); //检查是否是以1开头的11位数子
//检查Email地址的合法性
$checkEmail=preg_match('/^[a-zA-Z0-9_\-]+@[a-zA-Z0-9\-]+\.[a-zA-Z0-9\-\.]+$/',$Email);
if($checkid&&$checkpwd&&$checkphone&&$checkEmail) //如果都为1，则注册成功
echo "注册成功！";
else
echo "注册失败，格式不对";
?>
补充：PHP100
38讲
正则表达式优先级
( ) 圆括号因为是内存处理所以最高
* ？ + { } 重复匹配内容其次
^ $ \b 边界处理第三
| 条件处理第四
按照运算顺序计算
模式修正符：
模式修正符是为正则表达式增强和补充的一个功能，使用在正则之外(/正则/u)
常用具修正符：s
i正则内容在匹配时候不区分大小写（默认是区分的）
m 在匹配首内容或者尾内容时候采用多行识别匹配
S 将转义回车取消是为单行匹配如. 匹配的时候
x 忽略正则中的空白
A 强制从头开始匹配
D 强制$匹配尾部无任何内容 \n
U 禁止贪婪匹配 只跟踪到最近的一个匹配符并结束，
常用在采集程序上的正则表达式
正则表达工中包括的元素：
(1)、原子（普通字符：a-z A-Z 0-9 、原子表、 转义字符）
(2)、元字符 （有特殊功能的字符）
(3)、模式修正符 （系统内置部分字符 i 、m、S、U…）
原子：
①a-z A-Z _ 0-9 //最常见的字符
②(abc) (skd) //用圆括号包含起来的单元符合
③[abcs] [^abd] //用方括号包含的原子表，原子表中的^代表排除或相反内容
④转义字符
\d 包含所有数字[0-9]
\D 除所有数字外[^0-9]
\w 包含所有英文字符[a-zA-Z_0-9]
\W 除所有英文字符外[^a-zA-Z_0-9]
\s 包含空白区域如回车、换行、分页等 [\f\n\r]
……
元字符：
* 匹配前一个内容的0次1次或多次
. 匹配内容的0次1次或多次，但不包含回车换行
+ 匹配前一个内容的1次或多次
？匹配前一个内容的0次或1次
| 选择匹配类似PHP中的| （因为这个运算符合是弱类型导致前面最为整体匹配）
^ 匹配字符串首部内容
$ 匹配字符串尾部内容
\b 匹配单词边界，边界可以是空格或者特殊符合
\B 匹配除带单词边界意外内容
{m} 匹配前一个内容的重复次数为M次
{m,} 匹配前一个内容的重复次数大于等于M次
{m,n} 匹配前一个内容的重复次数M次到N次
( ) 合并整体匹配，并放入内存，可使用\1 \2…依次获取
