PHP 字符串转义与正则表达式转义

问题

最近使用PHP正则表达式，书写表达式字符串的时候遇到了一些问题，不知道何时需要用反斜杠“\”，现在进行一些梳理。

 

PHP字符串

PHP字符串的定义方法有4种：

• 单引号
• 双引号
• heredoc 语法结构
• nowdoc 语法结构 (自PHP 5.3.0以后)

在定义字符串的时候，会对特殊字符进行转义，对变量进行解析。

特殊字符包括：

项目	内容	备注
换行	\n	LF 或 0x0A
回车	\r	CR 或 0x0D
水平制表符	\t	HT 或 0x09
垂直制表符	\v	VT 或 0x0B
换页	\f	FF 或 0x0C
反斜杠	\\
美元符号	\$
双引号	\"
单引号	\'
8进制字符	\[0-7]{1,3}
16进制字符	\x[0-9A-Fa-f]{1,2}

这部分详见 PHP Mannual ，这里简要记述一下：

单引号中，对单引号（'）与反斜杠（\）进行转义，对其它字符原意输出；

双引号中，对除双引号（\"）的特殊字符进行转义，对变量进行解析。

因此，在这两种常见的字符串定义中，对反斜杠（\）总是要转义的。

 

PHP 正则表达式

PHP提供了两套正则表达式函数库：【参考】

一套是由PCRE（Perl Compatible Regular Expression）库提供的。使用“preg_”为前缀命名的函数；
一套由POSIX（Portable Operating System Interface of Unix ）扩展提供的（PHP默认）。使用以“ereg_”为前缀命名的函数；

正则表达式提供了匹配、替换、分割的功能。

目前只是用了perl风格的正则函数，以下仅对这类的字符串进行说明。

 

Perl风格的正则表达式，要求包含在定界符（"/" 或 "#"）中，如下面这样：【参考】

$str = 'http://www.youku.com/show_page/id_ABCDEFG.html';
$regex = '/^http:\/\/([\w.]+)\/([\w]+)\/([\w]+)\.html$/i';
$regex = '#^http://([\w.]+)/([\w]+)/([\w]+)\.html$#i';

为了将一个URL进行分割，$regex 变量定义了正则表达式字符串：

^http://([\w.]+)/([\w]+)/([\w]+).html$

这个字符串包含了一些特殊字符，如"/" 与"."，这在Perl风格中需要用反斜杠（"\"）进行转义定义，如下：

^http:\/\/([\w.]+)\/([\w]+)\/([\w]+)\.html$

同时这个字符串需要被包含在定界符中，于是就有了上面的两类表示方式；以"#"为定界符的，不需要对其中的"/" 进行转义。

 

正则表达式转义

在正则表达式中，若要匹配以下单个字符，都需要用反斜杠（"\"）进行转义：

"\"、"?"、"*"、"^"、"$"、"+"、"（"、"）"、"|"、"{"、"["

在Perl风格的正则表达式中，如果匹配以下单个字符，或者上面未匹配的单个字符，还需要用反斜杠（"\"）进行转义：

^=}]/:<>.'"

 

总结

要写出一个正确的Perl风格正则表达式字符串，需要进行三步：

写出正确的正则表达式，注意特殊字符的转义

放入定界符中，并以Perl风格的转义规则进行转义

对上述字符串的内容，按照PHP字符串定义的方式进行转义