PHPの正規表現

Hunte
PHP继承*NIX的一贯传统，完全支持正规表达式的处理。正规表达式提供了一种高级的，但不直观的字符串匹配和处理的方法。用过PERL的正规表达式的朋友都知道，正规表达式的功能非常强大，但学起来不是那么容易。
比如：

^.+@.+\\..+＄

这段有效却难以理解的代码足够使一些程序员头痛（我就是）或者让他们放弃使用正规表达式。相信当你读完这个教程后，就可以理解这段代码的含义了。

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 含义
[[:alpha:]] 任何字母
[[:digit:]] 任何数字
[[:alnum:]] 任何字母和数字
[[:space:]] 任何白字符
[[: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]

Hunte
繰り返し発生するものを識別する

ここまでで、文字または数字を照合する方法はすでにわかりましたが、多くの場合、単語または数字のグループを照合する必要があるかもしれません。単語は複数の文字で構成され、数字のグループは複数の単数で構成されます。文字または文字クラスターに続く中括弧 ({ }) は、前のコンテンツが繰り返される回数を決定するために使用されます。

文字クラスターの意味
^[a-zA-Z_]＄ すべての文字とアンダースコア
^[[:alpha:]]{ 3}＄ すべての 3 文字の単語
^a ＄文字 a
^a{ 4}＄ aaaa
^a{ 2,4}$ aa、aaa または aaaa
^a{ 1,3}$ a、aa または aaa
^a { 2,}＄ 2 つ以上の a を含む文字列
^a{ 2,} (例: ツチブタと aaab)、ただし Apple
a{ 2,} (例: baad と aaa) は含まれないが、Nantucket t{ 2} 2 つのタブ文字
.{ 2} 2 つの文字すべて

これらの例では、中括弧の 3 つの異なる使用法を説明します。数値 {x} は、「前の文字または文字クラスターが x 回のみ出現する」ことを意味し、数値とコンマ {x,} は、「前のコンテンツが x 回以上出現する」ことを意味します。 y} は、「前のコンテンツが少なくとも x 回出現するが、y 回を超えない」ことを意味します。パターンをさらに多くの単語や数字に拡張できます:

^[a-zA-Z0-9_]{ 1,}$ //複数の文字、数字、またはアンダースコアを含むすべての文字列

^[ 0-9]{ 1,}＄ //すべての正の数
^-{ 0,1}[0-9]{ 1,}＄ //すべての整数
^-{ 0,1}[0 -9]{ 0,}.{ 0,1}[0-9]{ 0,}＄ //すべて 10 進数

最後の例は理解しにくいですよね。このように見てください。すべての文字はオプションのマイナス記号 (-{ 0,1}) (^) で始まり、その後に 0 個以上の数字 ([0-9]{ 0,})、およびオプションの 10 進数 A が続きます。ポイント (.{ 0,1}) の後に 0 個以上の数字 ([0-9]{ 0,}) が続き、それ以外は何もありません ($)。以下では、使用できるより簡単な方法について説明します。

特殊文字「?」は {0,1} に等しく、両方とも「0 または 1 つの前のコンテンツ」または「前のコンテンツはオプション」を表します。したがって、今の例は次のように簡略化できます:

^-?[0-9]{ 0,}.?[0-9]{ 0,}＄

特殊文字 " *" と {0,} は等しく、どちらも「0 個以上前のコンテンツ」を表します。最後に、文字「+」は { 1,} に等しく、これは「1 つ以上の前のコンテンツ」を意味するため、上記の 4 つの例は次のように書くことができます:

^[a-zA-Z0- 9_ ]+＄ //複数の文字、数字、またはアンダースコアを含むすべての文字列

^[0-9]+＄ //すべての正の数値
^-?[0-9]+＄ / /すべての整数
^-?[0-9]*.?[0-9]*＄ //すべて 10 進数

もちろん、これによって技術的に正規表現の複雑さが軽減されるわけではありませんが、正規表現を読みやすくすることはできます。 。