PHP中preg_match正则表达式的使用

第一，让我们看看两个特别的字符：‘^’和‘$’他们是分别用来匹配字符串的开始和结束，以下分别举例说明："^The": 匹配以 "The"开头的字符串;"of despair$": 匹配以 "of despair" 结尾的字符串;"^abc$": 匹配以abc开头和以abc结尾的字符串，实际上是只有abc与之匹配；"notice": 匹配包含notice的字符串；你可以看见如果你没有用我们提到的两个字符（最后一个例子），就是说模式（正则表达式）可以出现在被检验字符串的任何地方，你没有把他锁定到两边。第二，这里还有几个字符‘*’,‘+’,和‘?’, 他们用来表示一个字符可以出现的次数或者顺序. 他们分别表示："zero or more", "one or more", and "zero or one." 这里是一些例子:"ab*": 匹配字符串a和0个或者更多b组成的字符串("a", "ab", "abbb", etc.);"ab+": 和上面一样，但最少有一个b ("ab", "abbb", etc.);"ab?":匹配0个或者一个b;"a?b+$": 匹配以一个或者0个a再加上一个以上的b结尾的字符串.第三，在花括号中的逗号,表示‘到’，即前后跟数字, "{n,m}"表示“n到m”。第四，你也可以在大括号{n}里面限制字符出现的个数，比如"ab{2}": 匹配一个a后面跟两个b（一个也不能少）("abb");"ab{2,}": 最少更两个b("abb", "abbbb", etc.);"ab{2,5}": 2－5个b("abbb", "abbbb", or "abbbbb").你还要注意到你必须总是指定 (i.e, "{0,2}", not "{,2}").同样，你必须注意到, '*', '+', 和'?' 分别和以下三个范围标注是一样的，"{0,}", "{1,}", 和 "{0,1}"。第五，现在把一定数量的字符放到小括号(x)里，比如："a(bc)*": 匹配 a 后面跟0个或者一个"bc";"a(bc){1,5}": 一个到5个 "bc."第六，还有一个字符‘|’相当于OR 操作:"hi│hello": 匹配含有"hi" 或者 "hello" 的 字符串;"(b│cd)ef": 匹配含有 "bef" 或者 "cdef"的字符串;"(a│b)*c": 匹配含有这样 - 多个（包括0个）a或b，后面跟一个c的字符串 的字符串;第七，一个点‘.’可以代表所有的单一字符:"a.[0-9]": 一个a跟一个字符再跟一个数字的 （含有这样一个字符串的字符串将被匹配，以后省略此括号）"^.{3}$": 以三个字符结尾.第八，中括号[xxx]括住的内容只匹配一个单一的字符"[ab]": 匹配单个的 a 或者 b ( 和 "a│b" 一样);"[a-d]": 匹配'a' 到'd'的单个字符 (和"a│b│c│d" 还有 "[abcd]"效果一样);"^[a-zA-Z]": 匹配以字母开头的字符串"[0-9]%": 匹配含有 形如 x％ 的字符串",[a-zA-Z0-9]$": 匹配以逗号再加一个数字或字母结尾的字符串第九，也可以把你不想要得字符列在中括号里，你只需要在中括号里面使用'^' 作为开头 (i.e., "%[^a-zA-Z]%" 匹配含有 两个百分号里面有一个非字母 的字符串).第十：注意，1.        "^.[$()│*+?{\"中的字符作为有特殊意义的字符的时候，你必须在这些字符面前加''。2.        在php3中你应该避免在模式的最前面使用\, 比如说,正则表达式 "(\$│?[0-9]+" 应该这样调用ereg("(\\$│?[0-9]+", $str) (不知道php4是不是一样)，但不要忘记在中括号里面的字符是这条规路的例外：在中括号里面, 所有的特殊字符，包括'', 都将失去他们的特殊性质(i.e., "[*\+?{}.]"匹配含有这些字符的字符串).3.        还有,正如regx的手册告诉我们: "如果列表里含有], 最好把它作为列表里的第一个字符(可能跟在'^'后面)。4.        如果含有-, 最好把它放在最前面或者最后面, 或者一个范围的第二个结束点(i.e. [a-d-0-9]中间的-将有效.十一，为了完整, 我应该涉及到 collating sequences, character classes, 还有 equivalence classes. 但我在这些方面不想讲的太详细, 这些在下面的文章中都不需要涉及到. 你们可以在regex man pages 那里得到更多消息.十二：例子，1.        如何构建一个模式来匹配 货币数量 的输入？构建一个匹配模式去检查输入的信息是否为一个表示money的数字。我们认为一个表示money的数量有四种方式： "10000.00" 和 "10,000.00",或者没有小数部分, "10000" and "10,000". 现在让我们开始构建这个匹配模式:^[1-9][0-9]*$这是说变量必须以非0的数字开头.但这也意味着 单一的 "0" 也不能通过测试. 以下是解决的方法:^(0│[1-9][0-9]*)$"只有0和不以0开头的数字与之匹配"，我们也可以允许一个负号再数字之前:^(0│-?[1-9][0-9]*)$这就是: "0 或者 一个以0开头可能有一个负号在前面的数字." 好了, 好了现在让我们别那么严谨，允许以0开头.现在让我们放弃 负号 , 因为我们在表示钱币的时候并不需要用到. 我们现在指定 模式 用来匹配小数部分:^[0-9]+(\.[0-9]+)?$这暗示匹配的字符串必须最少以一个阿拉伯数字开头. 但是注意，在上面模式中 "10." 是不匹配的, 只有"10" 和 "10.2" 才可以. （你知道为什么吗）^[0-9]+(\.[0-9]{2})?$我们上面指定小数点后面必须有两位小数.如果你认为这样太苛刻,你可以改成:^[0-9]+(\.[0-9]{1,2})?$这将允许小数点后面有一到两个字符. 现在我们加上用来增加可读性的逗号（每隔三位）, 我们可以这样表示:^[0-9]{1,3}(,[0-9]{3})*(\.[0-9]{1,2})?$不要忘记加号 '+' 可以被乘号 '*' 替代，如果你想允许空白字符串被输入话 (为什么?). 也不要忘记反斜杆 ‘\’，在php字符串中可能会出现错误 (很普遍的错误). 现在，我们已经可以确认字符串了, 我们现在把所有逗号都去掉 str_replace(",", "", $money) 然后在把类型看成 double然后我们就可以通过他做数学计算了.2.        如何构造检查email的正则表达式？我们继续讨论怎么验证一个email地址. 在一个完整的email地址中有三个部分: POP3 用户名 (在 '@' 左边的一切), '@', 服务器名(就是剩下那部分). 用户名可以含有大小写字母阿拉伯数字,句号 ('.'), 减号('-'), 下划线 ('_'). 服务器名字也是符合这个规则,当然下划线除外.现在, 用户名的开始和结束都不能是句点. 服务器也是这样. 还有你不能有两个连续的句点他们之间至少存在一个字符，好现在我们来看一下怎么为用户名写一个匹配模式:^[_a-zA-Z0-9-]+$现在还不能允许句号的存在. 我们把它加上:^[_a-zA-Z0-9-]+(\.[_a-zA-Z0-9-]+)*$上面的意思就是说: "以至少一个规范字符（除.意外）开头,后面跟着0个或者多个以点开始的字符串."简单化一点, 我们可以用 eregi()取代 ereg()。eregi()对大小写不敏感, 我们就不需要指定两个范围 "a-z" 和 "A-Z" – 只需要指定一个就可以了:^[_a-z0-9-]+(\.[_a-z0-9-]+)*$后面的服务器名字也是一样,但要去掉下划线:^[a-z0-9-]+(\.[a-z0-9-]+)*$Done. 现在只需要用”@”把两部分连接:^[_a-z0-9-]+(\.[_a-z0-9-]+)*@[a-z0-9-]+(\.[a-z0-9-]+)*$这就是完整的email认证匹配模式了,只需要调用eregi(‘^[_a-z0-9-]+(\.[_a-z0-9-]+)*@[a-z0-9-]+(\.[a-z0-9-]+)*$ ’,$eamil)就可以得到是否为email了。3.        提取字符串ereg() and eregi() 有一个特性是允许用户通过正则表达式去提取字符串的一部分(具体用法你可以阅读手册). 比如说,我们想从 path/URL 提取文件名 – 下面的代码就是你需要:ereg("([^\\/]*)$", $pathOrUrl, $regs);echo $regs[1];4.        高级的代换ereg_replace() 和 eregi_replace()也是非常有用的: 假如我们想把所有的间隔负号都替换成逗号:ereg_replace("[ \n\r\t]+", ",", trim($str));5.        匹配中文字符的正则表达式： [\u4e00-\u9fa5]评注：匹配中文还真是个头疼的事，有了这个表达式就好办了6.        匹配双字节字符(包括汉字在内)：[^\x00-\xff]评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）7.        匹配空白行的正则表达式：\n\s*\r评注：可以用来删除空白行8.        匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?</\1>|<.*? />评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力9.        匹配首尾空白字符的正则表达式：^\s*|\s*$评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式10.     匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*评注：表单验证时很实用11.     匹配网址URL的正则表达式：[a-zA-z]+://[^\s]*评注：网上流传的版本功能很有限，上面这个基本可以满足需求12.     匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$评注：表单验证时很实用13.     匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}评注：匹配形式如 0511-4405222 或 021-8788882214.     匹配腾讯QQ号：[1-9][0-9]{4,}评注：腾讯QQ号从10000开始15.     匹配中国邮政编码：[1-9]\d{5}(?!\d)评注：中国邮政编码为6位数字16.     匹配身份证：\d{15}|\d{18}评注：中国的身份证为15位或18位17.     匹配ip地址：\d+\.\d+\.\d+\.\d+评注：提取ip地址时有用18.     匹配特定数字：^[1-9]\d*$　 　 //匹配正整数^-[1-9]\d*$ 　 //匹配负整数^-?[1-9]\d*$　　 //匹配整数^[1-9]\d*|0$　 //匹配非负整数（正整数 + 0）^-[1-9]\d*|0$　　 //匹配非正整数（负整数 + 0）^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$　　 //匹配正浮点数^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$　 //匹配负浮点数^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$　 //匹配浮点数^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$　　 //匹配非负浮点数（正浮点数 + 0）^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$　　//匹配非正浮点数（负浮点数 + 0）评注：处理大量数据时有用，具体应用时注意修正19.     匹配特定字符串：^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串^[A-Z]+$　　    //匹配由26个英文字母的大写组成的字符串^[a-z]+$　　      //匹配由26个英文字母的小写组成的字符串^[A-Za-z0-9]+$  //匹配由数字和26个英文字母组成的字符串^\w+$　　                   //匹配由数字、26个英文字母或者下划线组成的字符串20.  匹配文本，这个偶尔比较好用，但是要小心字符中包含\E$str = '[a-z]';$str = preg_replace('/\G[a-z]\E/', '', $str);echo $str; //打印空，全被替换掉了，相关大概就是preg_quote功能21.  给匹配结果命名，这样在匹配结果中就可以用这个名称来获取值$str = 'abc123abc';preg_match('/(?P<num>\d+)/', $str, $arr);echo $arr['num']; //相当于echo $arr[1]22.  仅用于分组的括号，匹配内容不会被变量捕获，有时候需要这样提高执行效率$str = 'abc123abc';preg_match('/abc(?:\d+)/', $str, $arr);echo $arr[1]; //除了$arr[0]外没有$arr[1]了，不会赋予\123.  插入的好帮手，向前、向后锚点搜索位置，每3位添加一个逗号$str = 'fdfad123456789fdfd';$str = preg_replace('/(?<=\d)(?=(\d{3})+(?!\d))/', ',', $str);echo $str; //打印 fdfad123,456,789fdfd24.  以最少的结果匹配$str = 123456;preg_match('/\d+/', $str, $arr);echo $arr[0]; //是人都知道是123456吧preg_match('/\d+?/', $str, $arr);echo $arr[0]; //这次是125.  一个比较有用的，可以判断前面的是否有匹配过,比如下边的例子，可以忽略等号右边是否有单引号双引号或者什么都没有$str = <<<HTML<font size=12></font><font size='13'></font><font size="14"></font><font size="15></font>HTML;preg_match_all('/<font\s+size=([\'"]?)(\d+)\1[^>]*>/', $str, $arr);print_r($arr);/*Array([0] => 12[1] => 13[2] => 14)*/26.  部分模式修饰符，模式修饰符也可以放在表达式中的这里匹配符合XHTML规范的style里的颜色值，大写的STYLE被忽略了，但是里面的color可以大小写无所谓$str = '<b style="COLOR:red"></b><b STYLE="color:blue"></b><b style="color:green"></b>';preg_match_all('/style=([\'"]?)(?i)color:(\w+)\1(?-i)/', $str, $arr);print_r($arr[2])//也可以把匹配内容放到里面，用:隔开，就不用写结束(?-i)//preg_match_all('/style=([\'"]?)(?i:color:(\w+))\1/', $str, $arr);//再看一例子$str = '<B>Style</B>';preg_match('/<B>(?i:style)<\/B>/', $str, $arr);print_r($arr); //可以匹配到$str = '<B>Style</b>';preg_match('/<B>(?i:style)<\/B>/', $str, $arr);print_r($arr); //什么都没匹配到27.  单词检索，可惜只能用在英文$str = 'I\'m a teacher';preg_match_all('/\b[a-z]+\b/i', $str, $arr);print_r($arr)28.  u修饰符,按unicode匹配$str = '你您';$str = preg_replace('/[你您]/', 'you', $str);echo $str; //被拆开了,打印4次you//看下面加上u修饰符后的效果,该修饰符需要编码utf-8否则会报错//我的文本都是gb2312,所以要转成utf-8$str = iconv('gb2312', 'utf-8', '你您');$regex = iconv('gb2312', 'utf-8', '/[你您]/u');$str = preg_replace($regex, 'you', $str);echo $str; //打印2次you29.  x模式修饰符，可以忽略空白和加注释$str = 'test Test';preg_match('/test  #只匹配小写的test/x', $str, $arr);print_r($arr);30.  排除环视(?<!...) (?!...)、忽略优先 *? +? ?? 的复合使用$str = 'test <B>test1<B> test2</B>';preg_match('/<B>(?:.(?<!<B>))*<\/B>/i', $str, $arr);//或者 preg_match('/<B>(?:(?!<B>).)*<\/B>/i', $str, $arr);print_r($arr)//当时这样写应付不了 $str = 'test <B>test1<B> test2</B> test3</B>';//改写一下正则既可 preg_match_all('/<B>(?:(?!<\/?B>).)*<\/B>/i', $str, $arr);//根据上面来完成一个最简单的UBB替换$str = 'test [b]test1[b] test2[/b] test3[/b]test';$str = preg_replace('/\[B\]((?:(?!\[\/?B\]).)*)\[\/B\]/i', '<b>\1</b>', $str);$str = preg_replace('/\[B\]((?:(?!\[\/?B\]).)*)\[\/B\]/i', '<b>\1</b>', $str);print_r($str)31.  如果已经确认回朔并不会有匹配结果，可以使用固化分组来放弃备用状态提高效率$str = 'Subject';preg_match('/(\w+):/', $str, $arr);//用以下方法代替//在第一组匹配规则匹配到文本末尾t时匹配结束，启用第二组匹配规则:并不会找到结果，所以这个时候回朔查找，但是\w不会包含:，所以可以直接放弃，preg_match('/(?>\w+):/', $str, $arr);------------------------------------------------------------------------------------------------------备注：  \s：用于匹配单个空格符，包括tab键和换行符；  \S：用于匹配除单个空格符之外的所有字符；  \d：用于匹配从0到9的数字；  \w：用于匹配字母，数字或下划线字符；  \W：用于匹配所有与\w不匹配的字符；  . ：用于匹配除换行符之外的所有字符。