字符串处理与正则表达式
字符串的处理介绍:
字符串的处理方式
在C语言中字符串是作为字节数组处理的。在Java语言中字符串是作为对象处理的。而php则把字符串作为基本数据类型来处理。通常对字符串的处理涉及字符串的格式化。字符串的分割和连接、字符串的比较、以及字符串的查找、匹配和替换。
常用的字符串输出函数:
echo( ) -- 输出字符串
print( ) -- 输出一个字符串
die( ) -- 输出一条消息，并退出当前脚本
printf( ) -- 输出格式化字符串
sprintf( )-- 把格式化的字符串写入一个变量中
字符串转换格式:
%% 返回百分比符号
%b 二进制数
%c 依照ASCII值的字符
%d 带符号十进制数
%e 可续计数法（如1.5e3）
%u 无符号十进制数
%f或%F 浮点数
%o 八进制数
%s 字符串
%x或%X 十六进制数
常用的字符串格式化函数:
去除空格和字符串填充补函数:
函数:ltrim( )
语法: string ltrim(string str[, string charlist] );
返回值: 字符串
本函数用来删去字符串中的前导空格 (whitespace)。
函数:rtrim( ) （还有个别名：chop（））
语法: string rtrim(string str[, string charlist] );
返回值: 字符串
本函数用来删去字符串中的后缀空格 (whitespace)。
函数:trim( )
截去字符串首尾的空格。
语法: string trim(string str[, string charlist] );
返回值: 字符串
本函数返回字符串 string 首尾的空白字符去除后的字串。
字符串大小写的转换:
函数: strtolower( )
语法: string strtolower(string str);
本函数将字符串 str 全部变小写字符串。
函数: strtoupper( )
语法: string strtoupper(string str);
本函数将字符串 str 全部变大写字符串。
函数:ucfirst( )
将字符串第一个字符改大写。
语法: string ucfirst(string str);
本函数返回字符串 str 第一个字的字首字母改成大写。
函数:ucwords( )
将字符串每个字第一个字母改大写。
语法: string ucwords(string str);
本函数返回字符串 str 每个字的字首字母全都改成大写。
和HTML标签相关联的字符串格式化:
函数：nl2br( )
语法：string nl2br ( string string ) 将字符串中”\n”转成HTML换行符“<br / >”
函数：htmlspecialchars（）
语法：string htmlspecialchars ( string string [, int quote_style [, string charset]] )
其他字符串格式化函数:
函数: strrev( )
颠倒字符串。将字符串前后颠倒。
语法: string strrev(string string);
函数: strlen( )
取得字符串长度。
语法: int strlen(string str);
本函数返回指定的字符串长度。
函数：number_format() 语法：string number_format ( float number [, int decimals [, string dec_point, string thousands_sep]] ) 格式货币、数字、时间等。
函数：md5（） 加密函数
格式：string md5 (string str [, bool raw_output] )
字符串的比较函数:
按字节进行字符串的比较 :
strcmp();（整个比较是否相同）
strncmp();（指定比较长度的字符串比较）
strcasecmp(); （不区分大小写的全串比较）
按自然排序法时行字符串的比较:
strnatcmp(); 字符串的模糊比较
similar_text(); （返回相似字符串的个数）
字符串的替换:
str_replace():字符串替换，三种替换方式
str_replace(string $search, string $replace, string $str);
str_replace(array $search, string $replace, string $str);
str_replace(array $search, array $replace, string $str);
正则表达式在字符串中的应用:
正则表达式介绍:
正则表达式是用于描述字符排列和匹配模式的一种语法规则。它主要用于字符串的模式分割、匹配、查找及替换操作。我们所用过的精确（文本）匹配也是一种正则表达式。
一个正则表达式中至少包含一个原子。使用正则表达式的原因之一，是在典型的搜索和替换操作中，只能对确切文字进行匹配，对象动态文本的搜索就有困难了，甚至是不可能的。
正则表达式有三个作用：
匹配，也常常用于从字符串中析取信息。
用新文本代替匹配文本。
将一个字符串拆分为一组更小的信息块。
正则表达式的语法规则:
PCRE正则表达式:
PCRE全称为Perl Compatible Regular Expression，意思是Perl兼容正则表达式。
在PCRE中，通常将模式表达式（即正则表达式）包含在两个反斜线“/”之间，如“/apple/”。用户只要把需要匹配的模式内容放入定界符之间即可。作为定界的字符也不仅仅局限于“/”。除了字母、数字和斜线“\”以外的任何字符都可以作为定界符，像“#”、“|”、“!”等都可以的。
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，A-Z，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，如：\\1
普通转义字符，如：\d， \D， \w
转义元字符，如：\*，\.
普通转义字符:
\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
* 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
{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，至少出现n次(n>m)
{m,} 表示其前原子出现不少于m次
() 整体表示一个原子
. 匹配除换行之外的任何一个字符
字符串边界限制:
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。“^”和“$”分别指定字符串的开始和结束。
例如，在字符串“Tom and Jerry chased each other in the house until tom’s uncel come in”中
元字符“^”或“\A” 置于字符串的开始确保模式匹配出现在字符串首端；
/^Tom/
元字符“$”或“\Z” 置于字符串的结束，确保模式匹配出现字符串尾端。
/in$/
如果不加边界限制元字符，将获得更多的匹配结果。
/^Tom$/精确匹配 /Tom/模糊匹配
单词边界限制:
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。
例如：在字符串“This island is a beautiful land”中
元字符“\b”对单词的边界进行匹配；
/\bis\b/ 匹配单词“is”，不匹配“This”和“island”。
/\bis/ 匹配单词“is”和“island”中的“is”，不匹配“This”
元字符“\B”对除单词边界以外的部分进行匹配。
/\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。
/\Bis/ 匹配单词“This”中的“is”
原子表 －方括号表达式
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]。
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。
原子表“[-]”用于连接一组按ASCII码顺序排列的原子，简化书写。
例如：
/[a-zA-Z]/匹配所有大小写字母
/^[a-z][0-9]$/匹配比如“z2”、 “t6” 、“g7”
/0[xX][0-9a-fA-F]/匹配一个简单的十六进制数字，如“0x9”。
/[^0-9a-zA-Z_]/匹配除英文字母、数字和下划线以外任何一个字符，其等价于\W。
/0?[ xX][0-9a-fA-F]+/匹配十六进制数字，可以匹配“0x9B3C”或者“X800”等。
/<[A-Za-z][A-Za-z0-9]*>/可以匹配“<P>”、“<hl>”或“<Body>”等HTML标签，并且不严格的控制大小写。
模式选择符:
元字符“|”又称模式选择符。在正则表达式中匹配两个或更多的选择之一。
例如：
在字符串“There are many apples and pears.”中，/apple|pear/在第一次运行时匹配“apple”；再次运行时匹配“ pear”。也可以继续增加选项，如： /apple|pear|banana|lemon/
模式单元:
元字符“（）”将其中的正则表达式变为原子（或称模式单元）使用。与数学表达式中的括号类似，“（）”可以做一个单元被单独使用。
例如：
/(Dog)+/匹配的“Dog”、“DogDog”、“DogDogDog”,因为紧接着“+”前的原子是元字符“（）”括起来的字符串“Dog”。
/You (very )+ old/匹配“You very old”、“You very very old”
/Hello (world|earth)/匹配“Hello world”、“Hello earth”
模式修正符（Pattern Modifiers）
在PCRE表达式中的最后一个分隔符/后，可以添加模式修正符，扩展了正则表达式在字符匹配、替换操作时的某些功能，修正增强了正则表达式的处理能力。模式修正符一般标记于整个模式之外，并且可以组合使用，如“/apple/i”、“/cat|dog/uis”等。
模式修正符:
i 可同时匹配大小写字母
m 将字符串视为多行
s 将字符串视为单行，换行符做普通字符看待，使“.”匹配任何字符
x 模式中的空白忽略不计
S 当一个模式将被使用若干次时，先对其进行分析
U 匹配到最近的字符串
e 将替换的字符串作为表达使用
下面我们举几个简单的实例,可以说明陌生修正符的使用:
/apple/i 匹配“apple”或“Apple”等，忽略大小写。
/I love you/ix匹配“iloveYou”,忽略大小写以及空白。
/<.*>/ U将依次匹配字符串“<b>Cool</b> music<hr> Few years ago….. ”中的“<b>”、“</b>”和“<hr>”。而/<.*>/却匹配到最后一个可用的字符串，既“<b>Cool</b>music<hr>” 。
/<h.*>/Uis将HTML文件视为单行字符串，忽略大小写和换行符。匹配其中的所有以“h”开头的标签，如“<Hl>”、“<hr size=1>”等。
模式匹配的循序:
在使用正则表达式时，需要注意匹配的顺序。通常，正则表达式按照由左至右的顺序依次匹配。
从高到低模式匹配的循序:
循序 元字符 说明
1 （） 模式单元 2 ？* +{} 重复匹配 3 ^$ 边界限制 4 | 模式选择
