PHP高级特性一之正则表达式用法
在PHP中，我们进行字符串处理时，能用字符串处理函数时我们当然要使用简单的字符串处理函数，但字符串处理函数的能力是有限的，所以我们就需要利用一个更强大的工具，那就是正则表达式。
正则表达式就是描述字符串排列模式的一种自定义语法规则。正则表达式就是通过构建具有特定规则的模式，和输入字符串信息进行比较，然后进行分割、匹配、查找、替换等等的相关操作。正则表达式不是PHP中独有的，多种语言均可以使用正则表达式，在这里我们介绍正则在PHP中的用法。
1. PHP中，如果可以用字符串处理函数完成的任务，我们就不要使用正则表达式。
2. 有一些复杂的操作，例如格式检验等等，只能用正则表达式完成。
3. 正则表达式也是一个字符串，但是它是具有特殊意义的字符串。
4. 它具有一些编写规则，也是一种模式，也可以把它看做一种编程语言。
5. 只有把正则表达式运用到某个函数中使用，才能发挥出正则表达式的作用，否则，它便是一个简单的字符串。
图片的匹配例子
1 |
"/\ |
这就是匹配HTML中的一个图片标签，例如可以匹配
1 |
img src="a.jpg"/> |
在PHP中，有两套正则表达式函数库。
1.POSIX 扩展的正则表达式函数（ereg_）。
2.Perl 兼容的正则表达式函数（preg_）。
Perl 兼容的函数库是后加的函数库，功能更加强大，另外JavaScript 和 Perl 语言里面也会兼容这种模式，所以推荐学习 Perl 语言兼容的函数库。
在学习时，我们就需要学习下面两点
1. 正则表达式的语法
2. PHP中正则表达式的处理函数
任何正则表达式都是由定界符号、原子、元字符、模式修正符号四部分来组成的。下面我们以上面的例子依次来介绍这四部分内容。
1 |
"/\ |
除了字母，数字和反斜杠 \ 以外的所有字符均可以为定界符。上面的例子中，开头和末尾的两个斜线 / 便作为定界符，我们还可以利用其它字符来定义，例如 | |，{ }，# #等等，不过我们一般是使用斜线 / 作为定界符。
上面的例子中，img \s 均为原子。原子是正则表达式的最基本的组成单位，而且必须至少包含一个原子，正则表达式中可以单独使用的字符，就是原子。
使用时注意事项总结如下
1）原子包括所有打印字符和非打印字符，打印字符就是我们可以在屏幕上看到的字符例如abc等等，非打印字符就是我们看不到的字符，例如空格，回车等等。
2）\. \* \+ \? \，所有有意义的字符，如果想作为原子使用，必须统统使用 \ 转义字符转义。
3）转义字符 \ 可以将有意义的字符转为有意义的字符，例如 * 是元字符，代表匹配一个字符零到多次，但是 \* 就代表了 * 这个字符。
4）另外转义字符还可以将没有意义的字符转成有意义的字符，例如 \d 可以表示任意一个十进制数字。总结如下：
\d：表示任意一个十进制的数字。
\D：表示任意一个除数字以外的字符。
\s：表示任意一个空白字符，如空格、回车、\t、\n
\S：表示任意一个非空白
\w：表示任意一个字，包括 a-z，A-Z，0-9，下划线_
\W：表示任意一个非字，\w 之外的任意一个字符
5）自定义原子表，定义一个中括号，表示匹配中括号中的任何一个内容，注意是任何一个。例如
正则表达式 “/[123]/” 和字符串 “abc2″可以匹配成功。
正则表达式 “/[a-z]/” 和字符串 “x3″可以匹配成功。
正则表达式 “/[1-3a-z]/” 和字符串 “x”可以匹配成功。
在这里[^]中括号里面写入^代表取反，表示除了原子表中的原子，但是^必须写在[]的第一个字符上。例如
[^a-z]代表除了a-z的所有字符
[^\n\t]代表除了换行和制表的所有字符
上面的例子中，* ？均为元字符。元字符就是用来修饰原子的字符，不可以单独出现。
例如 * 代表匹配前面的原子零到多次，但如果想匹配 *，则必须要加转义号 \* 来表示
，特殊地，. 点也可以表示原子
元字符总结分类如下
1）* 表示其前面的原子可以出现 0 至多次
2）+ 表示前面的原子可以出现 1 至多次，即至少一个原子
3）？ 表示前面的原子可以出现 0 次或 1 次
4）{ } 用于自己定义前面原子出现的次数，另外分为以下几种
{m}，m表示一个整数，则前面的数字必须出现m次
{m，n}，m，n表示两个整数，m
{m,} m表示一个整数，表示最少出现 m 次，最多无限
所以 * 可以表示为 {0,}，+ 可以表示为{1,}，? 表示为 {0,1}
5）. 默认情况下，表示除换行符外任意一个字符，和 * 组合表示可以匹配任意字符串，和 + 组合表示至少一个字符串
6）^ 直接在一个正则表达式的第一个字符出现，表示字符串必须以这个正则表达式开始，例如
^okay，表示字符串必须以 okay 开头
7）$ 直接在一个正则表达式的最后一个字符出现，则表示字符串必须以这个正则表达式结尾，例如
okay$，表示字符串必须以 okay 结尾。
注意：^okay$只是匹配一个okay字符，若要匹配 okay 开头okay结尾，则正则表达式可以写为 ^okay.*okay$
8）| 表示或的关系，它的优先级是最低的，最后考虑它的功能
9）\b 表示一个边界，例如
字符串 this is island，那么 \bis\b 则可以匹配，它匹配的是中间的 is，is两边是有边界的。
10）\B 表示一个非边界，例如
\Bis\b，则匹配第一个is，\bis\B则匹配第三个 is
11）（） 括号，重点，作用总结如下
（1）将括号里面的元素作为一个大原子使用
即作为一个整体使用，例如 (abc)+，可以匹配abcabc….
（2）改变优先级
加上括号可以提高其优先级别。
（3）作为子模式使用
正则表达式中添加括号相当于添加了子模式。全部匹配作为一个大模式，放到数组的第一个元素中，每个()是一个子模式按顺序放到数组的其它元素中去。
在下面所说的 preg_match 方法中，结果会被赋值到 $arr 变量中，先匹配外层模式，再匹配内层模式。
结果
（4）取消子模式
就将它作为大原子或者改变优先级使用。
只要在模式前面加一个 ?: 就可以取消子模式，例如
（5）反向引用
可以在模式中直接将子模式取出来，再作为正则表达式模式的一部分， 如果是在正则表达式像替换函数preg_replace函数中， 可以将子模式取出， 在被替换的字符串中使用
\1 取第一个子模式、 \2取第二个子模式， …. \5 (注意是单引号还是双引号引起来的正则)
“\\1″ 在双引号引起来的正则，它是可以解释转义字符的，所以 \1 必须要写成 \\1
‘\1′ 在单引号引起来的正则中，则不会出现这种情况，\1 仍然可以写成 \1例如
";print_r($arr);echo ''<span class="crayon-sy">;</span>}在上面的例子中，因为(\W)已经匹配了第一个斜杠/，它已经作为第一个子模式保存起来了，我们想继续使用这个匹配，我们就可以用 \\1 来表示，如果是单引号引起来的正则，则直接用 \1 来表示就可以了，后面的 \\2 和它是同样的原理。
4. 模式修正符号
上面的例子中，最后 / 后面的 i u 即为模式修正符号。
1）就是几个字母
2）可以一次使用一个，每一个都具有一定的意义，也可以连续使用多个符号
3）放在最后面，是对整个正则表达式调优用的，也可以说是对正则表达式功能的扩展。
归类如下：
i：表示在和模式进行匹配时不区分大小写
m：将每一行字符视为新的一行，也就是换行符后任何一行都可以当做一个整体字符串，主要的影响就在于 ^ 号和 $ 号。
例如：
s：如果没有使用这个模式修正符号，那么 “.” 是不能当做换行符的，加入s，将字符串视为单行，那么 “.” 也就可以表示换行符了。
x：模式中的空白忽略不计，注意是模式中的。
e：正则表达式必须使用在 preg_replace 函数中使用
A：必须以正则表达式开头，也就相当于前面加了 ^
Z：必须以正则表达式结尾，相当于后面加了 $
U：取消贪婪模式，或者 .*? 也可以取消贪婪模式，不过两个同时使用时会导致相反的结果，相当于负负得正的影响，同时出现则会又开启了贪婪模式 。
综上所述，正则表达式的组成为
/原子和元字符/模式修正符号，其中 / 为定界符号，不过有一些语言是不需要这个定界符的，例如 Python 等。
5.元字符的优先级（了解）
1）\ 转义符最高
2）()，(?:)，{ }，括号其次
3）* + ？ {}
4）^ $ \b
5）|
6.常用的正则表达式
1）校验数字的表达式
1 数字：^[0-9]*$
2 n位的数字：^\d{n}$
3 至少n位的数字：^\d{n,}$
4 m-n位的数字：^\d{m,n}$
5 零和非零开头的数字：^(0|[1-9][0-9]*)$
6 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$
7 带1-2位小数的正数或负数：^(\-)?\d+(\.\d{1,2})?$
8 正数、负数、和小数：^(\-|\+)?\d+(\.\d+)?$
9 有两位小数的正实数：^[0-9]+(.[0-9]{2})?$
10 有1~3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$
11 非零的正整数：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
12 非零的负整数：^\-[1-9][]0-9″*$ 或 ^-[1-9]\d*$
13 非负整数：^\d+$ 或 ^[1-9]\d*|0$
14 非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15 非负浮点数：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
16 非正浮点数：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
17 正浮点数：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
18 负浮点数：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19 浮点数：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$2）校验字符的表达式
1 汉字：^[\u4e00-\u9fa5]{0,}$
2 英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
3 长度为3-20的所有字符：^.{3,20}$
4 由26个英文字母组成的字符串：^[A-Za-z]+$
5 由26个大写英文字母组成的字符串：^[A-Z]+$
6 由26个小写英文字母组成的字符串：^[a-z]+$
7 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
8 由数字、26个英文字母或者下划线组成的字符串：^\w+$ 或 ^\w{3,20}$
9 中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
10 中文、英文、数字但不包括下划线等符号：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
11 可以输入含有^%&’,;=?$\”等字符：[^%&’,;=?$\x22]+
12 禁止输入含有~的字符：[^~\x22]+3）特殊需求表达式
1 Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
2 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL：[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
4 手机号码：^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
5 电话号码(“XXX-XXXXXXX”、”XXXX-XXXXXXXX”、”XXX-XXXXXXX”、”XXX-XXXXXXXX”、”XXXXXXX”和”XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
6 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
7 身份证号(15位、18位数字)：^\d{15}|\d{18}$
8 短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
9 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}$
10 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w{5,17}$
11 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
12 日期格式：^\d{4}-\d{1,2}-\d{1,2}
13 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
14 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
15 钱的输入格式：
16 1.有四种钱的表示形式我们可以接受:”10000.00″ 和 “10,000.00”, 和没有 “分” 的 “10000” 和 “10,000”：^[1-9][0-9]*$
17 2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符”0″不通过,所以我们采用下面的形式：^(0|[1-9][0-9]*)$
18 3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9]*)$
19 4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分：^[0-9]+(.[0-9]+)?$
20 5.必须说明的是,小数点后面至少应该有1位数,所以”10.”是不通过的,但是 “10” 和 “10.2” 是通过的：^[0-9]+(.[0-9]{2})?$
21 6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：^[0-9]+(.[0-9]{1,2})?$
22 7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
23 8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
24 备注：这就是最终结果了,别忘了”+”可以用”*”替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
25 xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
26 中文字符的正则表达式：[\u4e00-\u9fa5]
27 双字节字符：[^\x00-\xff] (包括汉字在内，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))
28 空白行的正则表达式：\n\s*\r (可以用来删除空白行)
29 HTML标记的正则表达式：]*>.*?\1>|<.> (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)
30 首尾空白字符的正则表达式：^\s*|\s*$或(^\s*)|(\s*$) (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)
31 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
32 中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
33 IP地址：\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)PHP正则表达式处理函数
1. int preg_match ( string pattern, string subject [, array matches [, int flags]] )
用法：
1）在 subject 字符串中搜索与 pattern 给出的正则表达式相匹配的内容。
2）如果提供了 matches，则其会被搜索的结果所填充。$matches[0] 将包含与整个模式匹配的文本，$matches[1] 将包含与第一个捕获的括号中的子模式所匹配的文本，以此类推。
3）flags 参数自 PHP 4.3.0 起可用，flags 可以是下列标记： PREG_OFFSET_CAPTURE
如果设定本标记，对每个出现的匹配结果也同时返回其附属的字符串偏移量。注意这改变了返回的数组的值，使其中的每个单元也是一个数组，其中第一项为匹配字符串，第二项为其偏移量。例如下面的例子，匹配一个URL
";echo ''<span class="crayon-sy">;</span>登录后复制登录后复制登录后复制print_r($arr);echo ''<span class="crayon-sy">;</span>echo "主机：".$arr[2]."
";}else{echo "字符串中不包括URL";}
2. int preg_match_all ( string pattern, string subject [, array matches [, int flags]] )
与 preg_match_all 用法完全一致，不过它匹配的是所有的信息。
例如下面的例子，匹配的是所有符合正则表达式的内容
";echo ''<span class="crayon-sy">;</span>登录后复制登录后复制登录后复制print_r($arr);echo ''<span class="crayon-sy">;</span>echo "主机：".$arr[2]."
";}else{echo "字符串中不包括URL";}上面的输出结果 $arr 的结果没有将一次次匹配的结果分开，也就是所有的子模式都写入一个数组中，没有将结果分成单独的一个数组。
结果中 第零个数组包含了所有的全模式，第一个数组包含了所有的第一个子模式。
可以通过修改上面的代码，实现结果的分开显示。
";echo ''<span class="crayon-sy">;</span>登录后复制登录后复制登录后复制print_r($arr);echo ''<span class="crayon-sy">;</span>echo "主机：".$arr[2]."
";}else{echo "字符串中不包括URL";}在上面的 preg_match_all 方法中，第四个参数传入 PREG_SET_ORDER，即可实现每一个全模式和子模式的分开展示。
其实，默认模式的参数即为 PREG_PATTERN_ORDER，传入该参数即相当于不传入参数。
3.mixed preg_replace(mixed pattern,mixed replacement,mixed subject [,int limit])
替换函数，pattern是正则表达式，replacement是替换成的内容，也就是把匹配到符合正则表达式的内容替换为 replacement，subject是查找的字符串，即替换的是这个字符串里面的内容。
";echo preg_replace("/[a-zA-z]+/",'',$str);执行该程序就会将str字符串中的字母替换为空。
另外，可以指定替换的次数，也就是第四个参数
";echo preg_replace("/[a-zA-z]+/",'',$str,3);这样，就可以实现只替换三次。
另外，可以实现多对多数组的替换，这是一个比较常用的方法，例如
";$ubbcodes=array('/\[b\](.*?)\[\/b\]/i','/\[u\](.*?)\[\/u\]/i','/\[i\](.*?)\[\/i\]/i','/\[color=(.*?)\](.*?)\[\/color\]/','/\[size=(.*?)\](.*?)\[\/size\]/','/\[align=(.*?)\](.*?)\[\/align\]/');$htmls=array('\1','\1','\1','\2','\2','\2
');
