PHP正規表示式
正規表示式- 語法
#正規表示式(regular expression)描述了一個字串符合的模式,可以用來檢查一個串是否含有某種子字串、將符合的子字串做替換或從某個串中取出符合某個條件的子串等。
列目錄時, dir *.txt或ls *.txt中的*.txt就不是一個正規表示式,因為這裡*與正規表示式的*的意思是不同的。
建構正規表示式的方法和建立數學表達式的方法一樣。也就是用多種元字元與運算子可以將小的表達式結合在一起來創造更大的表達式。正規表示式的元件可以是單一的字元、字元集合、字元範圍、字元間的選擇或所有這些元件的任意組合。
正規表示式是由普通字元(例如字元 a 到 z)以及特殊字元(稱為"元字元")組成的文字模式。模式描述在搜尋文字時要匹配的一個或多個字串。正規表示式作為一個模板,將某個字元模式與所搜尋的字串進行比對。
普通字元
普通字元包括沒有明確指定為元字元的所有可列印和不可列印字元。這包括所有大寫和小寫字母、所有數字、所有標點符號和一些其他符號。
非列印字元
非列印字元也可以是正規表示式的組成部分。下表列出了表示非列印字元的轉義序列:
#特殊字元
所謂特殊字符,就是一些有特殊意義的字符,如上面說的"*.txt"中的*,簡單的說就是表示任何字符串的意思。如果要查找文件名中有*的文件,則需要對*進行轉義,即在其前加一個\。 ls \*.txt。
許多元字元要求在試圖匹配它們時特別對待。若要匹配這些特殊字符,必須先使字符"轉義",即,將反斜線字符 (\) 放在它們前面。下表列出了正規表示式中的特殊字元:
限定符
限定符用來指定正規表示式的一個給定元件必須要出現多少次才能滿足匹配。有*或+或?或{n}或{n,}或{n,m}共6種。
正規表示式的限定符有:
由於章節編號在大的輸入文件中會很可能超過九,所以您需要一種方式來處理兩位或三位章節編號。限定符給您這種能力。下面的正規表示式符合編號為任何位數的章節標題:
/Chapter [1-9][0-9]*/
請注意,限定符出現在範圍表達式之後。因此,它應用於整個範圍表達式,在本例中,只指定從 0 到 9 的數字(包括 0 和 9)。
這裡不使用 + 限定符,因為在第二個位置或後面的位置不一定需要有一個數字。也不使用?字符,因為它將章節編號限製到只有兩位數。您需要至少匹配 Chapter 和空格字元後面的一個數字。
如果您知道章節編號被限制為只有 99 章,可以使用下面的表達式來指定至少一位但至多兩位數字。
/Chapter [0-9]{1,2}/
上面的表達式的缺點是,大於 99 的章節編號仍只符合開頭兩位數字。另一個缺點是 Chapter 0 也將匹配。只符合兩位數字的較好的表達式如下:
/Chapter [1-9][0-9]?/
或
#/ Chapter [1-9][0-9]{0,1}/
*、+和?限定符都是貪婪的,因為它們會盡可能多的匹配文字,只有在它們的後面加上一個?就可以實現非貪婪或最小匹配。
例如,您可能會搜尋 HTML 文檔,以尋找括在 H1 標記內的章節標題。這個文字在您的文件中如下:
<H1>Chapter 1 – Introduction to Regular Expressions</H1>
下面的表達式匹配從開始小於符號(< ;) 到關閉H1 標記的大於符號(>) 之間的所有內容。
/<.*>/
如果您只需要匹配開始 H1 標記,則下面的「非貪心」表達式只符合 <H1>。
/<.*?>/
透過在*、+ 或? 限定詞之後放置?,該表達式從"貪心"表達式轉換為"非貪心"表達式或最小匹配。
定位符
定位符號使您能夠將正規表示式固定到行首或行尾。它們還使您能夠創建這樣的正規表示式,這些正規表示式出現在一個單字內、在一個單字的開頭或一個單字的結尾。
定位符用來描述字串或單字的邊界,^和$分別指字串的開始與結束,\b描述單字的前或後邊界,\B表示非單字邊界。
正規表示式的限定符有:
注意:不能將限定符與定位點一起使用。由於在緊靠換行或字邊界的前面或後面不能有一個以上位置,因此不允許諸如 ^* 之類的表達式。
若要符合一行文字開始處的文本,請在正規表示式的開始使用 ^ 字元。不要將 ^ 的這種用法與中括號表達式內的用法混淆。
若要符合一行文本的結尾處的文本,請在正規表示式的結束處使用 $ 字元。
若要在搜尋章節標題時使用定位點,下面的正規表示式符合一個章節標題,該標題只包含兩個尾隨數字,並且出現在行首:
#/^ Chapter [1-9][0-9]{0,1}/
真正的章節標題不僅出現行的開始處,而且它還是該行中僅有的文本。它即出現在行首又出現在同一行的結尾。下面的表達式能確保指定的符合只符合章節而不符合交叉引用。透過建立只符合一行文字的開始和結尾的正規表示式,就可做到這一點。
/^Chapter [1-9][0-9]{0,1}$/
匹配字邊界稍有不同,但向正規表示式添加了很重要的能力。字邊界是單字和空格之間的位置。非字邊界是任何其他位置。下面的表達式匹配單字Chapter 的開頭三個字符,因為這三個字符出現字邊界後面:
/\bCha/
\b 字符的位置是非常重要的。如果它位於要匹配的字串的開始,它會在單字的開始處尋找匹配項。如果它位於字串的結尾,它會在單字的結尾處尋找匹配項。例如,下面的表達式匹配單字Chapter 中的字串ter,因為它出現在字邊界的前面:
#/ter\b/
下面的表達式匹配Chapter中的字串apt,但不符合aptitude 中的字串apt:
/\Bapt/
字串apt 出現在單字Chapter 中的非字邊界處,但出現在單字aptitude 中的字邊界。對於 \B 非字邊界運算符,位置並不重要,因為匹配不關心究竟是單字的開頭還是結尾。
選擇
用圓括號將所有選擇項括起來,相鄰的選擇項之間用|分隔。但用圓括號會有一個副作用,是相關的匹配會被緩存,此時可用?:放在第一個選項前來消除這種副作用。
其中?:是非捕獲元之一,還有兩個非捕獲元是?=和?!,這兩個還有更多的含義,前者為正向預查,在任何開始匹配圓括號內的正規表示式模式的位置來符合搜尋字串,後者為負向預查,在任何開始不符合該正規表示式模式的位置來匹配搜尋字串。
反向引用
對一個正規表示式模式或部分模式兩邊添加圓括號將導致相關匹配儲存到一個臨時緩衝區中,所捕獲的每個子匹配都按照在正則表達式模式中從左到右出現的順序儲存。緩衝區編號從 1 開始,最多可儲存 99 個捕獲的子表達式。每個緩衝區都可以使用 '\n' 訪問,其中 n 為一個標識特定緩衝區的一位或兩位十進制數。
可以使用非捕獲元字元 '?:'、'?=' 或 '?!' 來重寫捕獲,忽略相關匹配的保存。
反向引用的最簡單的、最有用的應用之一,是提供查找文本中兩個相同的相鄰單字的匹配項的能力。以下面的句子為例:
Is is the cost of of gasoline going up up?
上面的句子很顯然有多個重複的單字。如果能設計一種方法來定位該句子,而不必查找每個單字的重複出現,那該有多好。下面的正規表示式使用單一子表達式來實現這一點:
/\b([a-z]+) \1\b/gi
第一個括號子運算式會擷取 Web 位址的協定部分。此子表達式匹配在冒號和兩個正斜杠前面的任何單字。第二個括號子表達式會擷取位址的網域位址部分。子表達式符合 / 和 : 以外的一個或多個字元。第三個括號子表達式擷取埠號(如果指定了的話)。此子表達式會匹配冒號後面的零個或多個數字。只能重複該子表達式一次。最後,第四個括號子運算式會擷取 Web 位址指定的路徑和/或頁資訊。此子表達式能符合不包括 # 或空格字元的任何字元序列。
將正規表示式應用到上面的URI,各子匹配項包含下面的內容:
第一個括號子表達式包含"http"
#第二個括號子表達式包含"www.php.cn"
第三個括號子表達式包含":80"
第四個括號子表達式包含"../html /html-tutorial.html"
更多正規相知識參考http://php.cn/regexp/regexp-tutorial.html
更多正規表達式實例請參考http://www.cnblogs.com/diony/archive/2010/12/16/1908499.html