正则表达式 元字符和匹配规则

元字符

元字符           功能说明

*                   是代表匹配前面的一个原子，匹配0次或者任意多次前面的字符。    

+                  匹配一次或多前前面的一个字符    

?                   前面的字符可有可无【可选】 有或没有    

.                    更标准一些应该把点算作原子。匹配除了\n以外的所有字符    

|                    或者。注：它的优先级最低了。    

^                  必须要以抑扬符之后的字符串开始    

$                  必须要以$之前的字符结尾    

\b                  词边界    

\B                非边界    

{m}              有且只能出现m次    

{n,m}           可以出现n到m次    

{m,}              至少m次，最大次数不限制    

()                  改变优先级或者将某个字符串视为一个整体，匹配到的数据取出来也可以使用它

+ 匹配最少1次前面的字符

<?php
$zz = '/\d+/';
$string = "迪奥和奥迪250都是我最爱";
//待会儿再试试中间没有0-9的情况
//$string = "迪奥和奥迪都是我最爱";
if(preg_match($zz, $string, $matches)){
    echo '匹配到了，结果为：';
    var_dump($matches);
}else{
    echo '没有匹配到';
}
?>

匹配成功，证明了\d+中的+。\d是匹配数字，而+是最少匹配一次前面的字符。

* 匹配0次或者任意多次前面的字符

<?php
$zz = '/\w*/';
$string = "!@!@!!@#@!$@#!";
//待会儿再试试中间没有0-9的情况
//$string1 = "!@#!@#!abcABC#@#!";
if(preg_match($zz, $string, $matches)){
    echo '匹配到了，结果为：';
    var_dump($matches);
}else{
    echo '没有匹配到';
}
?>

说明，注释掉的$string1和$string都匹配成功了。因为，\w是匹配的0-9A-Za-z_，而*是说明前面的\w可以不存在。如果存在可以有1个或者多个。

? 前面的字符出现0次或者1次，可有可无

<?php
$zz = '/ABC\d?ABC/';
$string = "ABC1ABC";
//待会儿再试试中间没有0-9的情况
//$string1 = "ABC888888ABC";
//$string2 = "ABCABC";
if(preg_match($zz, $string, $matches)){
    echo '匹配到了，结果为：';
    var_dump($matches);
}else{
    echo '没有匹配到';
}
?>

匹配$string,$string2成功，但是匹配$string1失败。
因为匹配前后都是ABC，中间是一个0-9。0-9可有可无，但是不能有多个。

. (点) 匹配除\n以外的所有字符

<?php
$zz = '/gg.+gg/';
$string = "ABC1ABC";
if(preg_match($zz, $string, $matches)){
    echo '匹配到了，结果为：';
    var_dump($matches);
}else{
    echo '没有匹配到';
}
?>

匹配$string,$string2成功，但是匹配$string1失败。
因为匹配前后都是ABC，中间是一个0-9。0-9可有可无，但是不能有多个。

|（竖线），或者，优先级最低

我们通过实验来看优先级和或者的匹配

<?php
$zz = '/abc|bcd/';
$string1 = "abccd";
$string2 = "ggggbcd";
if (preg_match($zz, $string1, $matches)) {
    echo '匹配到了，结果为：';
    var_dump($matches);
} else {
    echo '没有匹配到';
}
?>

我们来看看：

1. 最开始我匹配的想法是想匹配的是abccd或者是abbcd。可是，匹配$string1和$string2，匹配出来的结果却是abc和bcd.

2. 实现了或者匹配，匹配出来了abc或者是bcd。它还没有字符串连续在一起的优先级高。

那么问题来了，我要匹配上例中的abccd或者是abbcd怎么办？

需要使用到() 来改变优先级。

<?php
$zz = '/ab(c|b)cd/';
$string1 = "起来abccd阅兵";
$string2 = "ggggbcd";
$string3 = '中国abbcd未来';
if (preg_match($zz, $string1, $matches)) {
    echo '匹配到了，结果为：';
    var_dump($matches);
} else {
    echo '没有匹配到';
}
?>

结果如下：

匹配到了，结果为：

array (size=2)

 0 => string 'abccd' (length = 5)

 1 => string 'c' (length = 1)

结论：

1) 确实匹配了了abccd或者abbcd（$string1 or $string3）。

2) 但是匹配的数组里面多了一个元素，这个元素的下标为1

3) ()中的内容只要匹配成功，会把匹配到的数据放到下标为1的这个数组元素中。

^ （抑扬符），必须要以^之后的字符串开始

<?php
$zz = '/^好帅\w+/';
$string1 = "好帅abccdaaaasds";
//$string2没有以好帅开始
$string2 = "帅abccdaaaasds";
if (preg_match($zz, $string1, $matches)) {
    echo '匹配到了，结果为：';
    var_dump($matches);
} else {
    echo '没有匹配到';
}
?>

通过实验发现以下结论：

1) $string1匹配成功，$string2没有匹配成功

2) 因为$string1是以指定的字符开始的

3) 而$string2并没有以^之后的字符开始

翻译这个正则的意思就是：以要好帅开始后面接a-zA-Z0-9_最少一个字符。

$ （美元符）必须要以$之前的字符结束

<?php
$zz = '/\d+努力$/';
$string1 = "12321124333努力";
//$string2
$string2 = "12311124112313力";
if (preg_match($zz, $string1, $matches)) {
    echo '匹配到了，结果为：';
    var_dump($matches);
} else {
    echo '没有匹配到';
}
?>

我们运行一下看一下结果，得出来的结论：

$string1 匹配成功，而$string2匹配不成功

$之前的字符是\d+，后面接着中文的努力。

因此，匹配的是这一个整体。\d指的是0-9的整型,+号代表最少一个0-9

\b和\B 词边界和非词边界

我们来讲解什么是边界：

1. 正则表达示是有边界的，这个边界是定界符的开始和结尾是正则的边界。

2. this是一个英文单词，后面加上一个空格，意味着这个词结束了，到达了这个词的边界

\b词边界，就是指必须要在最前或者最后。
\B非边界，就是不能在一个正则表达示的最前或者最后。

<?php
$zz = '/\w+\b/';
$string1 = "this is a apple";
$string2 = "thisis a apple";
$string3 = "thisisaapple";
if (preg_match($zz, $string1, $matches)) {
    echo '匹配到了，结果为：';
    var_dump($matches);
} else {
    echo '没有匹配到';
}
?>

结论：

$string1、$string2和$string3都匹配成功。

$string1匹配的时候this 空格是边界

$string2匹配的时候thisis是边界

$string3匹配的时候，thisisaapple到了整个正则表达示的最后，因此也是边界。所以匹配成功。

我们来实验一下非词边界：

<?php
$zz = '/\Bthis/';
$string1 = "hellothis9";
//$string2 = "hello this9";
//$string2 = "this9中国万岁";
if (preg_match($zz, $string1, $matches)) {
    echo '匹配到了，结果为：';
    var_dump($matches);
} else {
    echo '没有匹配到';
}
?>

总结：

匹配$string1成功而$string2不成功。

因为\B后接的是this，所以this不能在词边界（空格和开始结尾）的位置出现。

{m}有且只能出现m次

<?php
$zz = '/喝\d{3}酒/';
$string1 = "喝988酒";
//$string2 = "喝98811酒";
if (preg_match($zz, $string1, $matches)) {
    echo '匹配到了，结果为：';
    var_dump($matches);
} else {
    echo '没有匹配到';
}
?>

结论：
上例中\d{3}我规定了0-9只能出现3次，多一次少一次都不行。

{n,m} 可以出现n到m次

<?php
$zz = '/喝\d{1,3}酒/';
$string1 = "喝9酒";
//$string2 = "喝988酒";
if (preg_match($zz, $string1, $matches)) {
    echo '匹配到了，结果为：';
    var_dump($matches);
} else {
    echo '没有匹配到';
}
?>

结论：
上例中\d{1,3}我规定了0-9只能出现1次，2次或者3次。其它次数都是错的

{m,} 至少m次，最大次数不限制

<?php
$zz = '/喝\d{2,}/';
$string1 = "喝9";
//$string2 = "喝98";
//$string3 = "喝98122121";
if (preg_match($zz, $string1, $matches)) {
    echo '匹配到了，结果为：';
    var_dump($matches);
} else {
    echo '没有匹配到';
}
?>

结论：
上例中\d{2,}我规定喝后面的0-9最少出现两次，最多次数不限。因此$string1是匹配不成功的，$string2是匹配成功的。$string3是匹配成功的。

匹配规则

基本模式匹配

一切从最基本的开始。模式，是正规表达式最基本的元素，它们是一组描述字符串特征的字符。模式可以很简单，由普通的字符串组成，也可以非常复杂，往往用特殊的字符表示一个范围内的字符、重复出现，或表示上下文。例如：

^once

这个模式包含一个特殊的字符^，表示该模式只匹配那些以once开头的字符串。例如该模式与字符串"once upon a time"匹配，与"There once was a man from NewYork"不匹配。正如如^符号表示开头一样，$符号用来匹配那些以给定模式结尾的字符串。

bucket$

这个模式与"Who kept all of this cash in a bucket"匹配，与"buckets"不匹配。字符^和$同时使用时，表示精确匹配（字符串与模式一样）。例如：

^bucket$

只匹配字符串"bucket"。如果一个模式不包括^和$，那么它与任何包含该模式的字符串匹配。例如：模式

once

与字符串

There once was a man from NewYork
Who kept all of his cash in a bucket.

是匹配的。

在该模式中的字母(o-n-c-e)是字面的字符，也就是说，他们表示该字母本身，数字也是一样的。其他一些稍微复杂的字符，如标点符号和白字符（空格、制表符等），要用到转义序列。所有的转义序列都用反斜杠(\)打头。制表符的转义序列是：\t。所以如果我们要检测一个字符串是否以制表符开头，可以用这个模式：

^\t

类似的，用\n表示"新行"，\r表示回车。其他的特殊符号，可以用在前面加上反斜杠，如反斜杠本身用\\表示，句号.用\.表示，以此类推。

字符簇

在INTERNET的程序中，正规表达式通常用来验证用户的输入。当用户提交一个FORM以后，要判断输入的电话号码、地址、EMAIL地址、信用卡号码等是否有效，用普通的基于字面的字符是不够的。

所以要用一种更自由的描述我们要的模式的办法，它就是字符簇。要建立一个表示所有元音字符的字符簇，就把所有的元音字符放在一个方括号里：

[AaEeIiOoUu]

这个模式与任何元音字符匹配，但只能表示一个字符。用连字号可以表示一个字符的范围，如：

[a-z] //匹配所有的小写字母
[A-Z] //匹配所有的大写字母
[a-zA-Z] //匹配所有的字母
[0-9] //匹配所有的数字
[0-9\.\-] //匹配所有的数字，句号和减号
[ \f\r\t\n] //匹配所有的白字符

同样的，这些也只表示一个字符，这是一个非常重要的。如果要匹配一个由一个小写字母和一位数字组成的字符串，比如"z2"、"t6"或"g7"，但不是"ab2"、"r2d3" 或"b52"的话，用这个模式：

^[a-z][0-9]$

尽管[a-z]代表26个字母的范围，但在这里它只能与第一个字符是小写字母的字符串匹配。

前面曾经提到^表示字符串的开头，但它还有另外一个含义。当在一组方括号里使用^是，它表示"非"或"排除"的意思，常常用来剔除某个字符。还用前面的例子，我们要求第一个字符不能是数字：

^[^0-9][0-9]$

这个模式与"&5"、"g7"及"-2"是匹配的，但与"12"、"66"是不匹配的。下面是几个排除特定字符的例子：

[^a-z] //除了小写字母以外的所有字符
[^\\\/\^] //除了(\)(/)(^)之外的所有字符
[^\"\'] //除了双引号(")和单引号(')之外的所有字符

特殊字符"." (点，句号)在正规表达式中用来表示除了"新行"之外的所有字符。所以模式"^.5$"与任何两个字符的、以数字5结尾和以其他非"新行"字符开头的字符串匹配。模式"."可以匹配任何字符串，除了空串和只包括一个"新行"的字符串。

PHP的正规表达式有一些内置的通用字符簇，列表如下：

字符簇           描述

[[:alpha:]]    任何字母    

[[:digit:]]    任何数字    

[[:alnum:]]    任何字母和数字    

[[:space:]]    任何空白字符    

[[:upper:]]    任何大写字母    

[[:lower:]]    任何小写字母    

[[:punct:]]    任何标点符号    

[[:xdigit:]]    任何16进制的数字，相当于[0-9a-fA-F]    

确定重复出现

到现在为止，你已经知道如何去匹配一个字母或数字，但更多的情况下，可能要匹配一个单词或一组数字。一个单词有若干个字母组成，一组数字有若干个单数组成。跟在字符或字符簇后面的花括号({})用来确定前面的内容的重复出现的次数。

字符簇          描述

^[a-zA-Z_]$    所有的字母和下划线    

^[[:alpha:]]{3}$    所有的3个字母的单词    

^a$    字母a    

^a{4}$    aaaa    

^a{2,4}$    aa,aaa或aaaa    

^a{1,3}$    a,aa或aaa    

^a{2,}$    包含多于两个a的字符串    

^a{2,}    如：aardvark和aaab，但apple不行    

a{2,}    如：baad和aaa，但Nantucket不行    

\t{2}    两个制表符    

.{2}    所有的两个字符    

这些例子描述了花括号的三种不同的用法。一个数字，{x}的意思是"前面的字符或字符簇只出现x次"；一个数字加逗号，{x,}的意思是"前面的内容出现x或更多的次数"；两个用逗号分隔的数字，{x,y}表示"前面的内容至少出现x次，但不超过y次"。我们可以把模式扩展到更多的单词或数字：

^[a-zA-Z0-9_]{1,}$ //所有包含一个以上的字母、数字或下划线的字符串
^[1-9]{1,}$ //所有的正数
^\-{0,1}[0-9]{1,}$ //所有的整数
^[-]?[0-9]+\.?[0-9]+$ //所有的浮点数

最后一个例子不太好理解，是吗？这么看吧：与所有以一个可选的负号([-]?)开头(^)、跟着1个或更多的数字([0-9]+)、和一个小数点(\.)再跟上1个或多个数字([0-9]+)，并且后面没有其他任何东西($)。下面你将知道能够使用的更为简单的方法。

特殊字符"?"与{0,1}是相等的，它们都代表着："0个或1个前面的内容"或"前面的内容是可选的"。所以刚才的例子可以简化为：

^\-?[0-9]{1,}\.?[0-9]{1,}$

特殊字符"*"与{0,}是相等的，它们都代表着"0个或多个前面的内容"。最后，字符"+"与 {1,}是相等的，表示"1个或多个前面的内容"，所以上面的4个例子可以写成：

^[a-zA-Z0-9_]+$ //所有包含一个以上的字母、数字或下划线的字符串
^[0-9]+$ //所有的正数
^\-?[0-9]+$ //所有的整数
^\-?[0-9]*\.?[0-9]*$ //所有的浮点数

当然这并不能从技术上降低正规表达式的复杂性，但可以使它们更容易阅读。