正则表达式基本知识

2018-08-01 本文已影响18人铁匠简记

概述
正则表达式是一种描述字符串结果的语法规则，是一个特定的格式化模式，可以匹配、替换、截取匹配的字符串。

行定位符（ ^ 与 $ ）

行定位符是用来描述字符串的边界。

“^”表示行开始，“$”表示行结尾，如"^de"表示以de开头的字符串,  "de$"表示以de结尾的字符串。

单词定界符( \b 与 \B )

我们在查找的一个单词的时候，如an是否在一个字符串”gril and body”中存在，很明显如果匹配的话，可以匹配字符an肯定是串“gril and body”匹配到，怎样才能让其匹配单词，而不是单词的一部分呢？这时候，我们可以是以使用一个单词定界符\b。如：

\ban\b 去匹配”gril and body”的话，就会提示匹配不到。

当然还有一个大写的\B，它的意思，和\b正好相反，它匹配的字符串不能是一个完整的单词，而是其他单词或字符串中的一部分。如：

\Ban\B 去匹配”gril and body”的话，就会可以匹配到。

选择字符( [] 与 | ) ，表示或

选择字符表示或的意思。如Aa|aA，表示Aa或者是aA的意思。注意使用”[]”与”|”的区别，在于”[]”只能匹配单个字符，而”|”可以匹配任意长度的字符串。在使用”[]”的时候，往往配合连接字符”-“一起使用，如：

[a-d],代表a或b或c或d。

排除字符(^)，排除操作

正则表达式提供了” ^ ”来表示排除不符合的字符，^一般放在[]中。如：

[^1-5]，该字符不是1~5之间的数字。

限定符( ？*+ {n，m} )，限定字符出现的次数

限定符主要是用来限定每个字符串出现的次数。

+号操作符
如(D+)表示一个或多个D
点号操作符
匹配任意一个字符（不包含换行符）
表达式中的反斜杠()
表达式中的反斜杠有多重意义，如转义、指定预定义的字符集、定义断言、显示不打印的字符。
转义字符
转义字符主要是将一些特殊字符转为普通字符。而这些常用特殊字符有”.”，”?”、”\”等。
指定预定义的字符集

###显示不可打印的字符

括号字符()
在正则表达式中小括号的作用主要有:
1、改变限定符如（|、* 、^)的作用范围：
如(my|your)baby，如果没有”()”，|将匹配的是要么是my，要么是yourbaby,有了小括号，匹配的就是mybaby或yourbaby。
2、进行分组，便于反向引用
反向引用
反向引用，就是依靠子表达式的”记忆”功能，匹配连续出现的字串或是字符。如(dqs)(pps)\1\2，表示匹配字符串dqsppsdqspps。\1代表第一个括号里的字串，\2代表第二个括号内的字串。
模式修饰符
模式修饰符的作用是设定模式，也就是正则表达式如何解释。php中主要模式如下表：

正则表达式在php中应用

php中字符串匹配
所谓的字符串匹配，言外之意就是判断一个字符串中，是否包含或是等于另一个字符串。如果不使用正则，我们可以使用php中提供了很多方法进行这样的判断。
不使用正则匹配

strstr函数

string strstr ( string haystack,mixedneedle [, bool $before_needle = false ])

注1：haystack是当事字符串(海)，needle是被查找的字符串(针)，大海捞针。该函数区分大小写。
注2：返回值是从needle开始到最后。
注3：关于$needle，如果不是字符串，被当作整形来作为字符的序号来使用。
注4：before_needle若为true，则返回前东西。
stristr函数与strstr函数相同，只是它不区分大小写

strpos函数

int strpos ( string haystack,mixedneedle [, int $offset = 0 ] )

注1：可选的 offset 参数可以用来指定从 haystack 中的哪一个字符开始查找。返回的数字位置是相对于 haystack 的起始位置而言的。
stripos -查找字符串首次出现的位置（不区分大小定）
strrpos -计算指定字符串在目标字符串中最后一次出现的位置
strripos -计算指定字符串在目标字符串中最后一次出现的位置（不区分大小写）
使用正则进行匹配
在php中，提供了preg_math()和preg_match_all函数进行正则匹配。关于这两个函数原型如下：

int preg_match|preg_match_all ( string $pattern , string $subject [, array &$matches [, int $flags = 0 [, int $offset = 0 ]]] )

搜索subject与pattern给定的正则表达式的一个匹配.
pattern -要搜索的模式，字符串类型。
subject -输入字符串。
matches:如果提供了参数matches，它将被填充为搜索结果。 matches[0]将包含完整模式匹配到的文本，matches[1]将包含第一个捕获子组匹配到的文本，以此类推。
flags -flags可以被设置为以下标记值：PREG_OFFSET_CAPTURE 如果传递了这个标记，对于每一个出现的匹配返回时会附加字符串偏移量(相对于目标字符串的)。注意：这会改变填充到matches参数的数组，使其每个元素成为一个由第0个元素是匹配到的字符串，第1个元素是该匹配字符串在目标字符串subject中的偏移量。
offset -通常，搜索从目标字符串的开始位置开始。可选参数 offset 用于指定从目标字符串的某个未知开始搜索(单位是字节)。
返回值：preg_match()返回 pattern 的匹配次数。它的值将是0次（不匹配）或1次，因为 preg_match()在第一次匹配后将会停止搜索。 preg_match_all()不同于此，它会一直搜索subject直到到达结尾。如果发生错误 preg_match()返回 FALSE。

实例

实例1
判断字符串”http://blog.csdn.net/hsd2012“中是否包含csdn?
解法一（不使用正则）：
如果不适用正则，我们使用strstr或者strpos中任意一个都可以，在此，我将使用strstr函数，代码如下：

$str='http://blog.csdn.net/hsd2012';
function checkStr1($str,$str2)
{
 return strstr1($str,$str2)?true:false;
}
echo checkStr($str,'csdn');

解法二：使用正则
因为我们只需要判断是否存在即可，所以选择preg_match。

$str='http://blog.csdn.net/hsd2012';
$pattern='/csdn/';
function checkStr2($str,$str2)
{
 return preg_match($str2,$str)?true:false;
}
echo checkStr2($str,$pattern);

实例2（考察单词定界符）
判断字符串”I am a good boy”中是否包含单词go
首先判断是单词，而不是字符串，因此比较的时候，需要比较是否包含' go ‘，即在字符串go前后有一个空格。
解析：如果使用非正则比较，只需要调用上面的checkStr1()函数即可，注意，第二个参数前后要加一个空格,即' go '。如果使用正则，我们可以考虑使用单词定界符\b，那么$pattern='/\bgo\b/';然后调用checkStr2函数即可.
例3（考察反向引用)
判断字符串”I am a good boy”中是否包含3个相同的字母
解析：此时，如果我们不使用正则，将会很难判断，因为字母太多了，我们不可能去将所有字母分别与该字符串比较，那样工作量也比较大。这时候涉及到了正在的反向引用。在php正则表达式中，通过\n，来表示第n次匹配到的结果。如\5代表第五次匹配到的结果。那么本题的$pattern='/(\w).\1.\1/';
主要注意的是，在使用反向匹配的时候都需要使用(),反向匹配时，匹配()里面出现的字符或字符串。

php中字符串替换

不使用正则
php中当替换字符串的时候，如果不适用正则，我们通常使用substr、mb_substr、str_replace、substr_replace关于这几个函数区别如下表。

使用正则
如果使用正则替换，php中提供了preg_replace _callback和preg_replace 函数，preg_replace 原型如下：

mixed preg_replace ( mixed pattern,mixedreplacement , mixed subject[,intlimit = -1 [, int &count]])

函数功能描述：
在字符串subject中，查找pattern,然后使用replacement 去替换，如果有limit则代表限制替换limit次。pregreplacecallback与pregreplace功能相似，不同的是pregreplaceback使用一个回调函数callback来代替replacement.
−例1
将字符串”hello,中国”中的hello替换为′你好′;
如果不用正则:

$str='hello,中国';
$str=strreplace(′hello′,′你好′,$str)

// 或是使用
$str=substrreplace($str,'你好',0,5)

使用正则

$pattern=′/hello/′;
$str=preg_replace ($pattern,′你好′,$str);

- 例2
去除字符串”gawwenngeeojjgegop”中连续相同的字母

$str='gawwenngeeojjgegop';
$pattern='/(.)\1/';
$str=preg_replace($pattern,'',$str);

解析：当然这样可能会遇到，当第一次去除了重复了字符串后，又出来重复的字符串。如字符串味'gewwenngeeojjgegop',针对这中问题，当然，这样的话，通过判断，继续替换下去。
-例3
将字符串中”age13gegep3iorji65k65k”;中出现的连续两个数字改为第二个数字，如字符串中13被改为3

$str='age13gegep3iorji65k65k';
$pattern='/(\d)(\d)/';
$str=preg_replace($pattern,'$2', $str);

解析：$n在正则表达式外使用反向引用。n代表第几次匹配到的结果。

php中字符串分割

不使用正则
php提供了explode函数去分割字符串，与其对应的是implode。关于explode原型如下：

array explode ( string delimiter,stringstring [, int $limit ] )

delimiter：边界上的分隔字符。
string：输入的字符串。
limit：如果设置了 limit 参数并且是正数，则返回的数组包含最多 limit 个元素，而最后那个元素将包含 string 的剩余部分。如果 limit 参数是负数，则返回除了最后的 -limit 个元素外的所有元素。如果 limit 是 0，则会被当做 1。
使用正则
关于通过正则表达式进行字符串分割，php提供了split、preg_split 函数。preg_split() 函数，通常是比 split() 更快的替代方案。

array preg_split ( string pattern,stringsubject [, int limit=−1[,intflags = 0 ]] )

例题
将字符串 "http://blog.csdn.net/hsd2012/article/details/51152810"按照'/'进行分割：

解法一：

$str='http://blog.csdn.net/hsd2012/article/details/51152810';
$str=explode('/', $str);

解法二：

$str='http://blog.csdn.net/hsd2012/article/details/51152810';
$pattern='/\//'; /*因为/为特殊字符，需要转移*/
$str=preg_split ($pattern, $str);

php中贪婪匹配与惰性匹配

贪婪匹配：就是匹配尽可能多的字符。
比如，正则表达式中m.*n，它将匹配最长以m开始，n结尾的字符串。如果用它来搜索manmpndegenc的话，它将匹配到的字符串是manmpndegen而非man。可以这样想，当匹配到m的时候，它将从后面往前匹配字符n。
懒惰匹配：就是匹配尽可能少的字符。
有的时候，我们需要并不是去贪婪匹配，而是尽可能少的去匹配。这时候，就需要将其转为惰性匹配。怎样将一个贪婪匹配转为惰性匹配呢？只需要在其后面添加一个”？”即可。如m.*?n将匹配manmpndegenc，匹配到的字符串是man。

php正则表达式之回溯与固态分组

回溯
首先我们需要清楚什么是回溯，回溯就像是在走岔路口，当遇到岔路的时候就先在每个路口做一个标记。如果走了死路，就可以照原路返回，直到遇见之前所做过的标记，标记着还未尝试过的道路。如果那条路也走不能，可以继续返回，找到下一个标记，如此重复，直到找到出路，或者直到完成所有没有尝试过的路。首先我们看例题

$str='aageacwgewcaw';
$pattern='/a\w*c/i';
$str=preg_match($pattern, $str);

看到上面的程序，可能都清楚是什么意思，就是匹配$str是否包含这样一个由”a+0个或多个字母+c”不区分大小写的字符串。但是至于程序怎样去匹配的呢？匹配的过程中，回溯了多少次呢？

现在，如果我们将pattern改为pattern='/a\w*?c/i';又会回溯多少次呢？正确答案是回溯四次。

固态分组

固态分组，目的就是减少回溯次数，使用(?>…)括号中的匹配时如果产生了备选状态，那么一旦离开括号便会被立即引擎抛弃掉。举个典型的例子如： '\w+:'这个表达式在进行匹配时的流程是这样的，会优先去匹配所有的符合\w的字符，假如字符串的末尾没有':'，即匹配没有找到冒号，此时触发回溯机制，他会迫使前面的\w+释放字符，并且在交还的字符中重新尝试与':'作比对。但是问题出现在这里: \w是不包含冒号的，显然无论如何都不会匹配成功，可是依照回溯机制，引擎还是得硬着头皮往前找，这就是对资源的浪费。所以我们就需要避免这种回溯，对此的方法就是将前面匹配到的内容固化，不令其存储备用状态！，那么引擎就会因为没有备用状态可用而只得结束匹配过程。大大减少回溯的次数。
如下代码，就不会进行回溯：

$str='nihaoaheloo';
$pattern='/(?>\w+):/';
$rs=preg_match($pattern, $str);

当然有的时候，又需慎用固态分组，如下,我要检查$str中是否包含以a结尾的字符串，很明显是包含的，但是因为使用了固态分组，反而达不到我们想要的效果

$str='nihaoahelaa';
$pattern1='/(?>\w+)a/';
$pattern2='/\w+a/';
$rs=preg_match($pattern1, $str);//0
$rs=preg_match($pattern2, $str);//1

php中其他常用字符串操作函数

字符串截取截取

string substr ( string string,intstart [, int length])stringmbsubstr(stringstr , int start[,intlength = NULL [, string $encoding = mb_internal_encoding() ]] )

字符串中大小写转换

strtoupper()
strtolower()
ucfirst()
ucwords()

字符串比较

strcmp()
strcasecmp()
strnatcmp()

字符串翻转

strrev($str);

字符串随机排序

string str_shuffle ( string $str )

补充
怎样进行邮箱匹配，url匹配，手机匹配
使用preg_match函数进行匹配，以下内容从TP中复制而来。
邮箱验证

pattern=′/\w+([−+.]\w+)∗@\w+([−.]\w+)∗\.\w+([−.]\w+)∗/';

url匹配

pattern='/^http(s?):\/\/(?:[A-za-z0-9-]+\.)+[A-za-z]{2,4}(:\d+)?(?:[\/\?#][\/=\?%\-&~`@[\]\':+!\.#\w]*)?/';

手机验证

pattern=′/1[3458]\d10/';