正規表示式 元字元和匹配規則
元字元
元字元字元 功能說明
#* 次或任意多次前面的字元。
##$ 字邊界
\B非邊界
{m} 有且只能出現m次
{n,m} 可以出現n到m次
{m,} 至少m次,最大次數不限制
() 改變優先順序或將某個字串視為一個整體,而配對到的資料取出也可使用它
+ 符合最少1次前面的字元<?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,證明了\d+中的+。 \d是匹配數字,而+是最少匹配一次前面的字元。
* 匹配0次或任意多次前面的字元
<?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'; } ?>
說明,註解掉的$string1和$string都符合成功了。因為,\w是匹配的0-9A-Za-z_,而*是說明前面的\w可以不存在。如果存在可以有1個或多個。
? 前面的字元出現0次或1次,可有可無
<?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'; } ?>
符合$string,$string2成功,但符合$string1失敗。
因為配對前後都是ABC,中間是0-9。0-9可有可無,但不能有多個。
. (點) 符合除\n以外的所有字元
<?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'; } ?>
符合$string,$string2成功,但符合$string1失敗。
因為配對前後都是ABC,中間是0-9。0-9可有可無,但不能有多個。
|(豎線),或者,優先順序最低
我們透過實驗來看優先權和或的配對
<?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'; } ?>
我們來看看:
1. 最開始我配對的想法是想配對的是abccd或是abbcd。可是,匹配$string1和$string2,匹配出來的結果卻是abc和bcd.
2. 實現了或者匹配,匹配出來了abc或者是bcd。它還沒有字串連續在一起的優先權高。
那麼問題來了,我要配對上例中的abccd或是abbcd怎麼辦?
需要使用到() 來改變優先權。
<?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'; } ?>
結果如下:
匹配到了,結果是:
array (size=2)
0 => string 'abccd' (length = 5)
1 => string 'c' (length = 1)
#結論:
1) 確實匹配了abccd或abbcd($string1 or $string3)。
2) 但是匹配的陣列裡面多了一個元素,這個元素的下標為1
#3) ()中的內容只要匹配成功,就會把匹配到的資料放到下標為1的這個陣列元素中。
^(抑揚符),必須以^之後的字串開始
<?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'; } ?>
透過實驗發現以下結論:
#1) $string1匹配成功,$string2沒有匹配成功
2) 因為$string1是以指定的字元開始的
3) 而$string2並沒有以^之後的字元開始
#翻譯這個正規的意思是:以要好帥開始後面接a-zA-Z0-9_最少一個字符。
$(美元符)必須以$之前的字元結束
<?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'; } ?>
我們執行一下看一下結果,得出來的結論:
$string1 匹配成功,而$string2匹配不成功
$之前的字元是\d+,後面接著中文的努力。
因此,配對的是這一個整體。 \d指的是0-9的整型,+號代表最少一個0-9
\b和\B 字邊界和非詞邊界
我們來講解什麼是邊界:
1. 正規表示示是有邊界的,這個邊界是定界符的開始和結尾是正規的邊界。
2. this是一個英文單詞,後面加上一個空格,意味著這個詞結束了,到達了這個詞的邊界
\b字邊界,就是指必須要在最前面或最後。
\B非邊界,就是不能在一個正規表示示的最前面或最後。
<?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'; } ?>
結論:
$string1、$string2和$string3都符合成功。
$string1匹配的時候this 空格是邊界
$string2匹配的時候thisis是邊界
$string3匹配的時候,thisisaapple到了整個正則表達示的最後,因此也是邊界。所以匹配成功。
我們來實驗非詞邊界:
<?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'; } ?>
總結:
匹配$string1成功而$string2不成功。
因為\B後接的是this,所以this不能出現在單字邊界(空格和開始結尾)的位置。
{m}有且只能出現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'; } ?>
#結論:
上例\d{3}我規定了0-9只能出現3次,多一次少一次都不行。
{n,m} 可以出現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'; } ?>
結論:
上例中\d{1,3}我規定了0- 9只能出現1次,2次或3次。其它次數都是錯的
{m,} 至少m次,最大次數不限制
<?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'; } ?>
結論:
上例中\d{2, }我規定喝後面的0-9最少出現兩次,最多次數不限。因此$string1是匹配不成功的,$string2是匹配成功的。 $string3是配對成功的。
符合規則
基本模式符合
#一切從最基本的開始。模式,是正規表達式最基本的元素,它們是一組描述字串特徵的字元。模式可以很簡單,由普通的字串組成,也可以非常複雜,往往用特殊的字元表示一個範圍內的字元、重複出現,或表示上下文。例如:
^once
這個模式包含一個特殊的字元^,表示該模式只符合那些以once開頭的字串。例如該模式與字串"once upon a time"匹配,與"There once was a man from NewYork"不匹配。正如如^符號表示開頭一樣,$符號用來匹配那些以給定模式結尾的字串。
bucket$
這個模式與"Who kept all of this cash in a bucket"匹配,與"buckets"不匹配。字元^和$同時使用時,表示精確匹配(字串與模式一樣)。例如:
^bucket$
只符合字串"bucket"。如果一個模式不包括^和$,那麼它與任何包含該模式的字串相符。例如:模式
once
#與字串
There once was a man from NewYork
Who kept all of his cash in a bucket.
是相符的。
在該模式中的字母(o-n-c-e)是字面的字符,也就是說,他們表示該字母本身,數字也是一樣的。其他一些稍微複雜的字符,如標點符號和白字符(空格、製表符等),要用到轉義序列。所有的轉義序列都用反斜線(\)打頭。製表符的轉義序列是:\t。所以如果我們要偵測一個字串是否以製表符開頭,可以用這個模式:
^\t
類似的,用\n表示"新行",\r表示回車。其他的特殊符號,可以用在前面加上反斜杠,如反斜杠本身用\\表示,句號.用\.表示,以此類推。
字元簇
在INTERNET的程式中,正規表示式通常用來驗證使用者的輸入。當使用者提交一個FORM以後,要判斷輸入的電話號碼、地址、EMAIL地址、信用卡號碼等是否有效,用普通的基於字面的字元是不夠的。
所以要用一種更自由的描述我們要的模式的辦法,它就是字元簇。要建立一個表示所有母音字元的字元簇,就把所有的母音字元放在一個方括號裡:
#[AaEeIiOoUu]
這個模式與任何元音字元匹配,但只能表示一個字元。用連字號可以表示一個字元的範圍,如:
[a-z] //來匹配所有的小寫字母
[A-Z] //來符合所有的大寫字母
[a- zA-Z] //匹配所有的字母
[0-9] //匹配所有的數字
[0-9\.\-] //匹配所有的數字,句號和減號
[ \f\r\t\n] //符合所有的白字符
同樣的,這些也只表示一個字符,這是一個非常重要的。如果要符合一個由一個小寫字母和一位數字組成的字串,例如"z2"、"t6"或"g7",但不是"ab2"、"r2d3" 或"b52"的話,用這個模式:
^[a-z][0-9]$
#儘管[a-z]代表26個字母的範圍,但在這裡它只能與第一個字元是小寫字母的字串匹配。
前面曾經提到^表示字串的開頭,但它還有另外一個意義。當在一組方括號裡使用^是,它表示"非"或"排除"的意思,常用來剔除某個字元。也用前面的例子,我們要求第一個字元不能是數字:
^[^0-9][0-9]$
這個模式與"&5"、"g7"及"-2"是匹配的,但與"12"、"66"是不匹配的。以下是幾個排除特定字元的例子:
[^a-z] //除了小寫字母以外的所有字元
[^\\\/\^] //除了(\)(/)(^)之外的所有字元
[^\"\'] //除了雙引號(")和單引號(')之外的所有字元
特殊字元"." (點,句號)在正規表達式中用來表示除了"新行"之外的所有字元。所以模式"^.5$"與任何兩個字元的、以數字5結尾和以其他非"新行"字元開頭的字串相符。模式"."可以匹配任何字串,除了空字串和只包括一個"新行"的字串。
PHP的正規表示式有一些內建的通用字元簇,清單如下:
字元簇 #說明
[[:alpha:]] 任何字母
[[:digit:]] 任何數字
[[:alnum: ]] 任何字母
[[:alnum: ]] 任何字母和數字
[[:space:]] 任何空白字元
[[:upper:]] 任何大寫字母
#[[lower:] :
[[:punct:]] 任何標點符號
[[:xdigit:]] 任何16進位的數字,相當於[0-9a-fA-F]
確定重複出現
#到現在為止,你已經知道如何去匹配一個字母或數字,但更多的情況下,可能要匹配一個單字或一組數字。一個單字有一個字母組成,一組數字有一個單數組成。跟在字元或字元簇後面的花括號({})用來確定前面的內容的重複出現的次數。 字符簇
說明
##^[a-zA-Z_]$ 所有的字母和底線的
##^a{2
^a{2 ,}$ 包含多於兩個a的字串 ^a{2,} 如:aardvark和aaab,但apple不行 a{2,} 如:baad不行和aaa,但Nantucket不行 \t{2} 兩個製表符 .{2} 所有的兩個字元 ###這些例子描述了花括號的三種不同的用法。一個數字,{x}的意思是"前面的字元或字元簇只出現x次";一個數字加逗號,{x,}的意思是"前面的內容出現x或更多的次數";兩個用逗號分隔的數字,{x,y}表示"前面的內容至少出現x次,但不超過y次"。我們可以把模式擴展到更多的單字或數字:
^[a-zA-Z0-9_]{1,}$ //所有包含一個以上的字母、數字或底線的字串
^[1-9]{1,}$ //所有的正數
^\-{0,1}[0-9]{1,}$ //所有的整數
^[-]?[0-9]+\.?[0-9]+$ //所有的浮點數
最後一個例子不太好理解,是嗎?這麼看吧:與所有以一個可選的負號([-]?)開頭(^)、跟著1個或更多的數字([0-9]+)、和一個小數點(\.)再跟上1個或多個數字([0-9]+),且後面沒有其他任何東西($)。下面你將知道能夠使用的更簡單的方法。
特殊字元"?"與{0,1}是相等的,它們都代表著:"0個或1個前面的內容"或"前面的內容是可選的"。所以剛才的例子可以簡化為:
^\-?[0-9]{1,}\.?[0-9]{1,}$
#特殊字元"*"與{0,}是相等的,它們都代表"0個或多個前面的內容"。最後,字元"+"與{1,}是相等的,表示"1個或多個前面的內容",所以上面的4個例子可以寫成:
^[a-zA -Z0-9_]+$ //所有包含一個以上的字母、數字或底線的字串
^[0-9]+$ //所有的正數
^\-?[0-9 ]+$ //所有的整數
^\-?[0-9]*\.?[0-9]*$ //所有的浮點數
當然這並不能從技術上降低正規表達式的複雜性,但可以使它們更容易閱讀。