php正则表达式（一）

<?php
header("Content-type:text/html;charset=utf-8");
/****
 * ======================================================================================= 
 *
 * 正则表达式组成：【1、定界符号  2、原子  3、元字符   4、模式修饰符】
 *
 * ======================================================================================= 
 * 1. 正则表达式就是描述字符串排列模式的一种自定义语法规则。
 * 2. 如果可以使用字符串处理函数完成的任务，就不要使用正则
 * 3. 有一些复杂的操作，只能使用正则完成。
 * 
 * 正则表达式可以在很多计算机语言中应用
 *
 *  4. 正则表达式也称为一种模式表达式。
 *  5.正则表达式就是通过构建具有特定规则的模式，与输入的字符信息比较。再进行分割、匹配、查找、替换等工作
 *   
 *    "/\<img\s*src=\".*?\"\/\>/"
 *    
 *    一、正则表达式也是一个字符串
 *    二、由具有特殊意义的字符组成的字符串
 *    三、具有一点编写规则，也是一种模式
 *    四、看作是一种编程语言（是用一些特殊字符，按规则编写出一个字符串，形成一种模式---正则表达式）
 *
 *
 *    注意： 如果正则表达式，不和函数一起使用，则它就是一个字符串，如果将正则表达式放到到某个函数中使用， 才能发挥出正则表达式的作用。
 *
 *     用到分割函数中，就可以用这个正则去分割字符串
 *     用到替换函数中，就可以用这个正则去替换字符串
 *     ...
 *
 *    在PHP中给我们提供两套正则表达式函数库
    POSIX 扩展正则表达式函数（ereg_）
    Perl 兼容正则表达式函数(preg_)

    这个函数功能一样， 找一个处理字符串效率高的

    注意：推荐使用Perl 兼容正则表达式函数库（只学这一种）



    学习正则表达式时，有两方面需要学习：

    一、正则表达式的模式如何编写
    语法：
        1. 定界符号  // 
            除了字母、数字和正斜线\ 以外的任何字符都可以为定界符号
            | |
            / /
            { }
            ! !
            
            没有特殊需要，我们都使用正斜线作为正则表达式的定界符号


        2. 原子   img \s . 
            注意：原子是正则表达式的最基本组成单位，而且必须至少要包含一个原子
            只要一个正则表达式可以单独使用的字符，就是原子

            1. 所有打印（所有可以在屏幕上输出的字符串）和非打印字符（看不到的）
            2. \. \* \+ \? \( \<\> 如果所有有意义的字符，想作为原子使用，统统使用 ”\“转义字符转义 m
                " \ "转义字符可以将有意的字符转成没意义的字符，还可以将没意义的字符转为有意义的字符
            3. 在正则表达式中可以直接使用一些代表范围的原子
                \d  : 表示任意一个十进制的数字       [0-9]
                \D  : 表示任意一个除数字这外的字符   [^0-9]
                \s  : 表示任意一个空白字符，空格、\n\r\t\f   [\n\r\t\f ]
                \S  : 表示任意一个非空白                     [^\n\r\t\f ]
                \w  : 表示任意一个字 a-zA-Z0-9_              [a-zA-Z_]
                \W  : 表示任意一个非字， 除了a-zA-Z0-9_以外的任意一个字符  [^a-zA-Z0-9_]
            4. 自己定义一个原子表[], 可以匹配方括号中的任何一个原子
                [a-z5-8]
                [^a-z] 表示取反， 就是除了原子表中的原子，都可以表示(^必须在［］内的第一个字符处出现)

            .    


        3. 元字符  * ? 
            元字符是一种特殊的字符，是用来修饰原子用的，不可以单独出现
            *  : 表示其前的原子可以出现 0次、1次、或多次                       {0,}
            +  : 表示其前的原子可以出现1次 或多次， 不能没有最少要有一个       {1,}
            ?  ： 表示其前面的原子可以出现0次或1次， 有只能有一次，要么没有    {0,1}
            {} : 用于自己定义前面原子出现的次数
                {m}   //m表示一个整数， {5}表示前面的原子出现5次
                {m,n}  //m和n表示一个整数，{2,5} m要小于n, 表示前面出现的原子，最少m次，最多n次，包括m和n次
                {m,}   //表示前面的原子最少出现m次,最多无限    
                
            .   : 默认情况下，表示除换行符外任意一个字符
            ^   : 直接在一个正则表达式的第一个字符出现，则表达必须以这个正则表达式开始
            $   : 直接在一个正则表达式的最后一个字符出现，则表达必须以这个正则表达式结束
            |   : 表示或的关系 , 它的优先级号是最低的， 最后考虑它的功能

            \b  : 表示一个边界
            \B  ： 表示一个非边界

            ()  : 重点

            一、 () 作用： 是作为大原子使用
            二、 改变优先级,加上括号可以提高优先级别
            三、 作为子模式使用, 正则表达式不先对一个字符串匹配一次, 全部匹配作为一个大模式，放到数组的第一个元素中，每个()是一个子模式按顺序放到数组的其它元素中去。
            四、可以取消子模式，就将（）作为大原子或改变优先级使用, 在括号中最前面使用"?:"就可以取消这个（）表示的子模式
            五、反向引用， 可以在模式中直接将子模式取出来，再作为正则表达式模式的一部分， 如果是在正则表达式像替换函数preg_replace函数中， 可以将子模式取出， 在被替换的字符串中使用

            \1 取第一个子模式、 \2取第二个子模式， ....  \5 (注意是单引号还是双引号引起来的正则)

            "\\1"
            '\1'
            
            ${1} ${2}

            \* \+ \. \?

            \ 
            () (?:) []
            * + ? {}
            ^  $   \b
            |

        4. 模式修正符号     i u
            "/ /模式修正符"
            1. 就是几个字母
            2. 可以一次使用一个，每一个具一定的意义， 也可以连续使用多个
            3. 是对整个正则表达式调优使用， 也可以说是对正则表达式功能的扩展

            "/abc/" 只能匹配小写字母 abc
            "/abc/i" 可以不区分大小写匹配 ABC abc Abc ABc AbC

        i : 表示在和模式进行匹配进不区分大小写
        m : 默认情况，将字符串视为一行  ^  $ 视为多行后，任何一行都可以以正则开始或结束
        s : 如果没有使用这个模式修正符号时， 元字符中的"."默认不能表示换行符号,将字符串视为单行
        x : 表示模式中的空白忽略不计
        e : 正则表达式必须使用在preg_replace替换字符串的函数中时才可以使用(讲这个函数时再说)
        A :
        Z :
        U : 正则表达式的特点：就是比较”贪婪“  .* .+ 所有字符都符合这个条件

            一种使用模式修正符号 U 
            加一种是使用?完成  .*?  .+?

            如果两种方式同时出现又开启了 贪婪模式  .*? /U
        
        "/\<img\s*src=\".*?\"\/\>/iU"
        "#\<img\s*src=\".*?\"\/\>#iU"

        /原子和元字符/模式修正符号   / 为定界符号 （有一些语言是不需要这个定界符号）

        有点语言中不支持模式修正符号 javascript

        
        用户名不能为空 /^\S+$/
        email 
        url 
        电话

        将一个网站中的所有图片取出 
        将一个网站的所有商品取出， 


    二、学习正则表达式的强大处理函数
        preg_match();
            
            
            
            
            
*****/



//$pattern="/(af){1,5}bcde/";//正则表达式模式【\斜杠转义】
$pattern="/a|bcde/";//正则表达式模式【\斜杠转义】
$string="cfafafafafbcde";//需要和上面模式字符串进行匹配的变量字符串  
//preg_match() 函数用于进行正则表达式匹配，成功返回 1 ，否则返回 0 。  
if(preg_match($pattern,$string)){
    echo "【{$pattern}】匹配;{$string}: 匹配成功！";
}else{
    
    echo "匹配失败！";
} 

echo "<br/><br/><br/>";


 //匹配日期
 $string="today is 2016-5-10 15:28:41 pm ...";//需要和上面模式字符串进行匹配的变量字符串  

 //匹配年月日时分秒
$pattern1="/\d{4}\W\d\W\d{2}\s+\d{2}\W\d{2}\W\d{2}\s+pm/";//正则表达式模式【\斜杠转义】

//用()作为子模式获取年、月、日、时、分、秒
$pattern2="/((\d{4})\W\d\W\d{2})\s+(\d{2}\W\d{2}\W\d{2})\s+(am|pm)/";//正则表达式模式【\斜杠转义】

//可以取消子模式，就将（）作为大原子或改变优先级使用, 在括号中最前面使用"?:"就可以取消这个（）表示的子模式
$pattern3="/((?:\d{4})\W\d\W\d{2})\s+(?:\d{2}\W\d{2}\W\d{2})\s+(am|pm)/";//正则表达式模式【\斜杠转义】

//反向引用， 可以在模式中直接将子模式取出来，再作为正则表达式模式的一部分， 如果是在正则表达式像替换函数preg_replace函数中， 可以将子模式取出， 在被替换的字符串中使用
//\1 取第一个子模式、 \2取第二个子模式， ....  
//"\\1" 
//'\1' (注意是单引号还是双引号引起来的正则)
$pattern4="/\d{4}(\W)\d\\1\d{2}\s+\d{2}(\W)\d{2}\\2\d{2}\s+pm/";//正则表达式模式【\斜杠转义】


echo "匹配日期：$string";
//1---------------
preg_match($pattern1,$string,$arr);
show_dump($arr);

//2---------------
preg_match($pattern2,$string,$arr);
show_dump($arr); 

//3---------------
preg_match($pattern3,$string,$arr);
show_dump($arr);


//4---------------
preg_match($pattern4,$string,$arr);
show_dump($arr);


echo "<br/><br/><br/>";


//匹配邮箱

//表达式【一】
//$pattern="/^\w+@\w+\.com|net$/";
//表达式【二】
$pattern = "/(\w*)@(\w*).com/";
//表达式【三】
$pattern = "/^[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(\.[a-zA-Z0-9_-]+)+$/";
//邮箱
$str="info@cc1101.com";
preg_match($pattern,$str,$arr);
show_dump($arr); 
echo "<br/><br/><br/>";

//匹配手机号码
//表达式【一】
$preg="/^1[34578]{1}\d{9}$/"; 
//表达式【二】
//$preg="/^((\d{2,3})|(\d{3}\-))?13\d{9}$/"; 
//表达式【三】
//$preg="/^(1(([35][0-9])|(47)|[8][0126789]))\d{8}$/";  
//手机号
$mobile="13424342798";  
//匹配
preg_match($preg,$mobile,$arr);
show_dump($arr);
echo "<br/><br/><br/>";
 
 
 
//匹配用户名【字母开头，允许5-16字节，允许字母数字下划线】
$preg="/^[a-zA-Z-]\w{4,16}$/"; 
$name="qulinke1230"; 
//匹配
preg_match($preg,$name,$arr);
show_dump($arr);
echo "<br/><br/><br/>";
 



 
//匹配密码【6到16位的字符串】【/^\w{6,16}$/i中i代表不区分大小写】
//只允许包含数字、字母、下划线组成的6到16位字符
$preg="/^\w{6,16}$/"; 
$pwd="adfsADSFSDF"; 
//匹配
preg_match($preg,$pwd,$arr);
show_dump($arr);
echo "<br/><br/><br/>";
 

//匹配密码【密码数字字母特殊符号6-16位】
$preg="/^[0-9a-zA-Z#@!~%^&*_-|]{6,16}$/"; 
$pwd2="AAA@AAA_"; 
//匹配
preg_match($preg,$pwd2,$arr);
show_dump($arr);
echo "<br/><br/><br/>";
 


/***

$url="http://static1.tuicool.com/images/ad/jpush120.jpg";  
header("Content-type:image/jpg;");
$img=file_get_contents($url);
$file='./2.jpg'; 
if(!is_file($file)){ 
file_put_contents($file,$img);
} 
//unlink($file);

****/
 

 
 //匹配图片
 $src="<img src='http://n.sinaimg.cn/blog/20160509/Itbo-fxryhhh1789559.jpg'/>"; 
 //$src="sdfsdf.da$^sdf"; 
 //$preg="/\</";
 $preg="/<img\s+?src=[\\\'| \\\"](.*?(?:[\.gif|\.jpg]))[\\\'|\\\"].*?[\/]?>/";
 preg_match($preg,$src,$arr);
 show_dump($arr);
echo "<br/><br/><br/>";



//url匹配
$url="http://www.baidu.com";
$preg="/[http:\/\/]*w{3}\.\w+(\.com|\.cn|\.com\.cn|\.net|\.cc)/";
 preg_match($preg,$url,$arr);
 show_dump($arr);
echo "<br/><br/><br/>";


$html="http://www.jb51.net/article/54526.htm";
header("Content-type:text/html;charset=gb2312");
$info=file_get_contents($html);
//echo $info; 

//匹配html里面的div
$html1="<header><div class='title'>123123</div></header>";
//$html1="1111<div class='title'>123</div>";
$preg="/<div\s+class=[\\\'|\\\"]box\s+mb15\s+.*[\\\'|\\\"]>.*?<\/div>/";
preg_match($preg,$info,$arry);
$str=$arry[0]; 
//echo $str;
//strip_tags() 函数，可以剥去 HTML、XML 以及 PHP 的标签。
echo strip_tags($str); 
echo "<br/><br/><br/>";



$preg="/(?:http\:\/\/)?w{3}\.\w+\.(com|cn|net)/";
$url="http://www.baidu.com";
/***
$arr=explode('.',$url);
echo $arr[count($arr)-1];
show_dump($arr); 
****/

preg_match($preg,$url,$arr);
show_dump($arr); 

//echo substr($url,-3,strlen($url));

echo "<br/><br/><br/>";





//==============模式修饰符 【i 、 m 、 s、 x、 e、 】============================

//1、i (PCRE_CASELESS) 如果设置了这个修饰符，模式中的字母会进行大小写不敏感匹配。 
$preg="/^abc.*$/i";
$string="AbCDdefj";
//开始匹配【不区分大小写】
preg_match($preg,$string,$arr);
show_dump($arr);
echo "<br/><br/><br/>";



//2、m 默认情况，将字符串视为一行  ^  $ 视为多行后，任何一行都可以以正则开始或结束
$preg="/^bac.*/m";
$string="AbCD
asdadefj
baceqw
defj";
//开始匹配【将字符串视为一行 】
preg_match($preg,$string,$arr);
show_dump($arr);
echo "<br/><br/><br/>";




//3、s 如果没有使用这个模式修正符号时， 元字符中的"."默认不能表示换行符号,将字符串视为单行
$preg="/bac.*/is";
$string="AbCD
asdadefj
baceqw
defj
testes
";
//开始匹配【不区分大小写】
preg_match($preg,$string,$arr);
show_dump($arr);
echo "<br/><br/><br/>";








//4、x 表示模式中的空白忽略不计
$preg="/ab  c.*/ix";
$string="CDaaaabccsdadefj";
//开始匹配【不区分大小写】
preg_match($preg,$string,$arr);
show_dump($arr);
echo "<br/><br/><br/>";




//5、U : 正则表达式的特点：就是比较”贪婪“  .* .+ 所有字符都符合这个条件
//1、解决贪婪模式【使用模式修饰符U来处理】
$preg="/\<b\>(.*)\<\/b\>/iU";
$string="<b>aaaaaaaa</b>  <b>bbbbbbbbbb</b>  <b>ccccccccc</b> <b>dddddddd</b>";
//开始匹配【不区分大小写】
preg_match($preg,$string,$arr);
show_dump($arr);
echo "<br/><br/><br/>";


//2、解决贪婪模式【使用?号来处理】
$preg="/\<b\>(.*?)\<\/b\>/i";
$string="<b>aaaaaaaa</b>  <b>bbbbbbbbbb</b>  <b>ccccccccc</b> <b>dddddddd</b>";
//开始匹配【不区分大小写】
preg_match($preg,$string,$arr);
show_dump($arr);
echo "<br/><br/><br/>";









$img="<img src='http://www.111cn.net /1.mp3' type='application/x-mplayer2'/>";
$preg="/src='(.*?)'/";

preg_match($preg,$img,$arr);
show_dump($arr);
echo "<br/><br/><br/>";













//格式化输出
function show_dump($array){
    echo "<pre>";
    print_r($array);
    echo "</pre>";
};

 
?>