PHP 正则表达式

一  正则表达式的组成

• 分隔符： 可以是除了字母，数字，下划线以及空白字符以外的任何字符（比如 / ,!,#,%,|,~等）。经常使用的分隔符是 #，～。
• 表达式： 由一些特殊字符和非特殊字符组成。
• 修饰符： 用于开启或者关闭某些功能/模式。

二 元字符

    元字符是正则表达式中具有特殊意义的专用字符，用来规定其前导字符（即位于元字符前面出现的字符）在目标对象中的出现模式。常用元字符如下：

元字符	描   述
.	匹配 初换行符以外的任意字符
\w	匹配字幕数字下划线或汉子
\s	匹配任意空白字符
\d	匹配数字
^	匹配字符开始的
$	匹配字符结束
\b	匹配字符开始或结束
-	表示范围
[]	匹配括号中的任意一个字符
*,+,?	量词

 

三 量词

语法	描述
*	重复0次或更多次
+	重复1次或更多次
？	重复0次或1次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

 

四 字符组

     通过[] 包含的字符，匹配的是 [] 中的单个字符。例如： [0-9] 匹配单个数字 ，[aeiou] 匹配任意一个元音字母。

字符组中的转义，比如字符组中查找 *,?，需要用 \ ,[\?]，查找 \ 本身 [\\]。 在PHP 中 使用反斜杠 \ 表示转义，\Q和\E 也可以在模式中忽略正则表达式元字符。例如  \d+\Q.$.\E$， 这个表达式匹配一个或多个数字，紧接着一个点号，然后一个$,最后一个点号。也就是说 在 \Q 和 \E 之间的元字符会作为普通字符来匹配。

正则表达式并不是遇到特殊字符都需要转义，转义只有在一定的条件下，比如可能引起歧义和被误解解析的情况下才需要。

 

五 分支

    分支就是存在多种可能匹配的情况 。[] 大括号只能匹配单个字符，分支可以匹配多个字符，例如：

   (c|h|to)at 。 分支具体方法是用 | 把不同的规则分开。例如：  0\d{2}-\d{8} | 0\d{3}-\d{7},这种表达式能匹配两种以连字号分隔的电话号码， 一种是010-12345678，另一种是 0376-1234567。

六 分组

   重复多个字符可以用小括号指定子表达式，然后规定子表达式重复的次数，也可以对子表达式进行一些操作。默认情况下，每个分组都拥有一个组号，规则是从左到右，以分组的左括号为依据，第一个出现的分组，组号为1，第二个为2，依次类推。分组0对应整个表达式。也可以指定子表达式的组名，例如：

  (?\w+) 或 (?'word'\w+)    这样把 \w 组名定义为 word

 

类别	语法	描述
捕获	(exp)	匹配exp，并捕获文本到自动命名的组里
	(?exp)	匹配exp，并捕获文本到名称为name的组里，也可以写成 (?'name'exp)
	(?:exp)	匹配exp，不捕获匹配的文本，也不给次分组分配组号
零宽断言	(?=exp)	匹配exp 前面的位置
	(?<=exp)	匹配exp 后面的位置
	(?!exp)	匹配后面跟的不是exp 的位置
	(?	匹配前面不是exp 的位置
注释	(?#comment)	注视，不对正则表达式产生任何影响

七 反向引用

反向引用用于搜索前面某个分组匹配的文本。例如：

\b(\w+)\b\s+\1\b    即 "\b(\w+)\b" 这个单词会被捕获到编号为1 的分组中。

要想反向引用分组捕获的内容，可以使用 "\k"

\b(?\w+)\b\s+\k\b 会匹配 go go

八 贪婪/懒惰匹配模式

  贪婪就是尽可能匹配更多的字符。懒惰尽可能匹配少的字符。默认情况下是贪婪的，变成懒惰的模式就是在限定符后加一个？。

语法	描述
*？	重复任意次，但尽可能少重复
+？	重复1次或多次，但尽可能少重复
？？	重复0次或1次，但尽可能少重复
{n,m}?	重复n 到m 次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

懒惰模式其实就是在匹配和不匹配的都可以的情况下，优先选择不匹配。