分类： LINUX
2008-11-23 15:21:31
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$，那么它与任何包含该模式的字符串匹配。例如：模式
| once |
与字符串
There once was a man from NewYork
Who kept all of his cash in a bucket.
是匹配的。
在该模式中的字母(o-n-c-e)是字面的字符，也就是说，他们表示该字母本身，数字也是一样的。其他一些稍微复杂的字符，如标点符号和白字符（空格、制表符等），要用到转义序列。所有的转义序列都用反斜杠()打头。制表符的转义序列是：t。所以如果我们要检测一个字符串是否以制表符开头，可以用这个模式：
| ^t |
类似的，用n表示“新行”，r表示回车。其他的特殊符号，可以用在前面加上反斜杠，如反斜杠本身用\\表示，句号.用.表示，以此类推。
字符簇
在INTERNET的程序中，正规表达式通常用来验证用户的输入。当用户提交一个FORM以后，要判断输入的电话号码、地址、EMAIL地址、信用卡号码等是否有效，用普通的基于字面的字符是不够的。
所以要用一种更自由的描述我们要的模式的办法，它就是字符簇。要建立一个表示所有元音字符的字符簇，就把所有的元音字符放在一个方括号里：
| [AaEeIiOoUu] |
这个模式与任何元音字符匹配，但只能表示一个字符。用连字号可以表示一个字符的范围，如：
| [a-z] | //匹配所有的小写字母 |
| [A-Z] | //匹配所有的大写字母 |
| [a-zA-Z] | //匹配所有的字母 |
| [0-9] | //匹配所有的数字 |
| [0-9.-] | //匹配所有的数字，句号和减号 |
| [ frtn] | //匹配所有的白字符 |
同样的，这些也只表示一个字符，这是一个非常重要的。如果要匹配一个由一个小写字母和一位数字组成的字符串，比如\\”z2\\”、\\”t6\\”或\\”g7\\”，但不是\\”ab2\\”、\\”r2d3\\” 或\\”b52\\”的话，用这个模式：
| ^[a-z][0-9]$ |
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\\”/\\”和\\”^\\”字符之外的所有字符 |
| [^\\”\\\’] | //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$\\”与任何两个字符的、以数字5结尾和以其他非“新行”字符开头的字符串匹配。模式\\”.\\”可以匹配任何字符串，除了空串和只包括一个“新行”的字符串。
PHP的正规表达式有一些内置的通用字符簇，列表如下：
| 字符簇 | 含义 |
| [[:alpha:]] | 任何字母 |
| [[:digit:]] | 任何数字 |
| [[:alnum:]] | 任何字母和数字 |
| [[:space:]] | 任何白字符 |
| [[:upper:]] | 任何大写字母 |
| [[:lower:]] | 任何小写字母 |
| [[:punct:]] | 任何标点符号 |
| [[:xdigit:]] | 任何16进制的数字，相当于[0-9a-fA-F] |
确定重复出现
到现在为止，你已经知道如何去匹配一个字母或数字，但更多的情况下，可能要匹配一个单词或一组数字。一个单词有若干个字母组成，一组数字有若干个单数组成。跟在字符或字符簇后面的花括号({})用来确定前面的内容的重复出现的次数。
| 字符簇 | 含义 |
| ^[a-zA-Z_]$ | 所有的字母和下划线 |
| ^[[:alpha:]]{3}$ | 所有的3个字母的单词 |
| ^a$ | 字母a |
| ^a{4}$ | aaaa |
| ^a{2,4}$ | aa,aaa或aaaa |
| ^a{1,3}$ | a,aa或aaa |
| ^a{2,}$ | 包含多于两个a的字符串 |
| ^a{2,} | 如：aardvark和aaab，但apple不行 |
| a{2,} | 如：baad和aaa，但Nantucket不行 |
| \\t{2} | 两个制表符 |
| .{2} | 所有的两个字符 |
这些例子描述了花括号的三种不同的用法。一个数字，{x}的意思是“前面的字符或字符簇只出现x次”；一个数字加逗号，{x,}的意思是“前面的内容出现x或更多的次数”；两个用逗号分隔的数字，{x,y}表示“前面的内容至少出现x次，但不超过y次”。我们可以把模式扩展到更多的单词或数字：
| ^[a-zA-Z0-9_]{1,}$ | //所有包含一个以上的字母、数字或下划线的字符串 |
| ^[0-9]{1,}$ | //所有的正数 |
| ^\\-{0,1}[0-9]{1,}$ | //所有的整数 |
| ^\\-{0,1}[0-9]{0,}\\.{0,1}[0-9]{0,}$ | //所有的小数 |
最后一个例子不太好理解，是吗？这么看吧：与所有以一个可选的负号(\\-{0,1})开头(^)、跟着0个或更多的数字([0-9]{0,})、和一个可选的小数点(\\.{0,1})再跟上0个或多个数字([0-9]{0,})，并且没有其他任何东西($)。下面你将知道能够使用的更为简单的方法。
特殊字符”?”与{0,1}是相等的，它们都代表着：“0个或1个前面的内容”或“前面的内容是可选的”。所以刚才的例子可以简化为：
| ^\\-?[0-9]{0,}\\.?[0-9]{0,}$ |
特殊字符”*”与{0,}是相等的，它们都代表着“0个或多个前面的内容”。最后，字符”+”与 {1,}是相等的，表示“1个或多个前面的内容”，所以上面的4个例子可以写成：
| ^[a-zA-Z0-9_]+$ | //所有包含一个以上的字母、数字或下划线的字符串 |
| ^[0-9]+$ | //所有的正数 |
| ^\\-?[0-9]+$ | //所有的整数 |
| ^\\-?[0-9]*\\.?[0-9]*$ | //所有的小数 |
当然这并不能从技术上降低正规表达式的复杂性，但可以使它们更容易阅读。
___________________________________________________________________________
字符/
意义：对于字符，通常表示按字面意义，指出接着的字符为特殊字符，不作解释。
例如：/b/匹配字符’b’,通过在b 前面加一个反斜杠，也就是/b/，则该字符变成特殊字符，表示
匹配一个单词的分界线。
或者：
对于几个字符，通常说明是特殊的，指出紧接着的字符不是特殊的，而应该按字面解释。
例如：*是一个特殊字符，匹配任意个字符(包括0个字符)；例如：/a*/意味匹配0个或多个a。为了匹配字面上的*，在a前面加一个反斜杠；例如：/a*/匹配’a*’。
字符^
意义：表示匹配的字符必须在最前边。
例如：/^A/不匹配”an A,”中的’A’，但匹配”An A.”中最前面的’A’。
字符$
意义：与^类似，匹配最末的字符。
例如：/t$/不匹配”eater”中的’t’，但匹配”eat”中的’t’。
字符*
意义：匹配*前面的字符0次或n次。
例如:/bo*/匹配”A ghost booooed”中的’boooo’或”A bird warbled”中的’b’，但不匹配”Agoat grunted”中的任何字符。
字符+
意义：匹配+号前面的字符1次或n次。等价于{1,}。
例如：/a+/匹配”candy”中的’a’和”caaaaaaandy.”中的所有’a’。
字符?
意义：匹配?前面的字符0次或1次。
例如：/e?le?/匹配”angel”中的’el’和”angle.”中的’le’。
字符.
意义：(小数点)匹配除换行符外的所有单个的字符。
例如：/.n/匹配”nay, an apple is on the tree”中的’an’和’on’，但不匹配’nay’。
字符(x)
意义：匹配’x’并记录匹配的值。
例如：/(foo)/匹配和记录”foo bar.”中的’foo’。匹配子串能被结果数组中的素[1], …,[n] 返回，或被RegExp对象的属性, …, 返回。
字符x│y
意义：匹配’x’或者’y’。
例如：/green│red/匹配”green apple”中的’green’和”red apple.”中的’red’。
字符{ n }
意义：这里的n是一个正整数。匹配前面的n个字符。
例如：/a{ 2 }/不匹配”candy,”中的’a’，但匹配”caandy,” 中的所有’a’和”caaandy.”中前面的两个’a’。
字符{ n, }
意义：这里的n是一个正整数。匹配至少n个前面的字符。
例如：/a{ 2, }不匹配”candy”中的’a’，但匹配”caandy”中的所有’a’和”caaaaaaandy.”中的所有’a’
字符{ n,m }
意义：这里的n和m都是正整数。匹配至少n个最多m个前面的字符。
例如：/a{ 1,3 }/不匹配”cndy”中的任何字符，但匹配 “candy,”中的’a’，”caandy,” 中的前面两个\’a’和”caaaaaaandy”中前面的三个’a’，注意：即使”caaaaaaandy” 中有很多个’a’，但只匹配前面的三 个’a’即”aaa”。
字符[xyz]
意义：一字符列表，匹配列出中的任一字符。你可以通过连字符-指出一个字符范围。
例如：[abcd]跟[a-c]一样。它们匹配”brisket”中的’b’和”ache”中的’c’。
字符[^xyz]
意义：一字符补集，也就是说，它匹配除了列出的字符外的所有东西。 你可以使用连字符-指出一 字符范围。
例如：[^abc]和[^a-c]等价，它们最早匹配”brisket”中的’r’和”chop.”中的’h’。
字符
意义：匹配一个空格(不要与b混淆)
字符b
意义：匹配一个单词的分界线，比如一个空格(不要与混淆)
例如：/bnw/匹配”noonday”中的’no’，/wyb/匹配”possibly yesterday.”中的’ly’。
字符B
意义：匹配一个单词的非分界线
例如：/wBn/匹配”noonday”中的’on’，/yBw/匹配”possibly yesterday.”中的’ye’。
字符cX
意义：这里的X是一个控制字符。匹配一个字符串的控制字符。
例如：/cM/匹配一个字符串中的control-M。
字符d
意义：匹配一个数字，等价于[0-9]。
例如：/d/或/[0-9]/匹配”B2 is the suite number.”中的’2’。
字符D
意义：匹配任何的非数字，等价于[^0-9]。
例如：/D/或/[^0-9]/匹配”B2 is the suite number.”中的’B’。
字符f
意义：匹配一个表单符
字符n
意义：匹配一个换行符
字符r
意义：匹配一个回车符
字符s
意义：匹配一个单个white空格符，包括空格，tab，form feed，换行符，等价于[ fnrtv]。
例如：/sw*/匹配”foo bar.”中的’ bar’。
字符S
意义：匹配除white空格符以外的一个单个的字符，等价于[^ fnrtv]。
例如：/S/w*匹配”foo bar.”中的’foo’。
字符t
意义：匹配一个制表符
字符v
意义：匹配一个顶头制表符
字符w
意义：匹配所有的数字和字母以及下划线，等价于[A-Za-z0-9_]。
例如：/w/匹配”apple,”中的’a’，”.28,”中的’5’和”3D.”中的’3’。
字符W
意义：匹配除数字、字母外及下划线外的其它字符，等价于[^A-Za-z0-9_]。
例如：/W/或者/[^$A-Za-z0-9_]/匹配”50%.”中的’%’。
字符n
意义：这里的n是一个正整数。匹配一个正则表达式的最后一个子串的n的值(计数左圆括号)。
例如：/apple(,)sorange1/匹配”apple, orange, cherry, peach.”中的’apple, orange’，下面有一个更加完整的例子。
注意：如果左圆括号中的数字比n指定的数字还小，则n取下一行的八进制escape作为描述。
字符ooctal和xhex
意义：这里的ooctal是一个八进制的escape值，而xhex是一个十六进制的escape值，允许在一个正则表达式中嵌入ASCII码
附:下表是元字符及其在正则表达式上下文中的行为的一个完整列表：
字符 描述
将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。
'n' 匹配一个换行符。序列 '' 匹配 "" 而 "(" 则匹配 "("。
^
匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 ‘n’ 或 ‘r’ 之后的位置。
$
匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 ‘n’ 或 ‘r’ 之前的位置。
*
匹配前面的子表达式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。 * 等价于{0,}。
+ 匹配前面的子表达式一次或多次。例如，’zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。
?
匹配前面的子表达式零次或一次。例如，”do(es)?” 可以匹配 “do” 或 “does” 中的”do” 。? 等价于 {0,1}。
{n}
n 是一个非负整数。匹配确定的 n 次。例如，’o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o。
{n,}
n 是一个非负整数。至少匹配n 次。例如，’o{2,}’ 不能匹配 “Bob” 中的 ‘o’，但能匹配 “foooood” 中的所有 o。
‘o{1,}’ 等价于 ‘o+’。’o{0,}’ 则等价于 ‘o*’。
{n,m}
m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。刘， “o{1,3}” 将匹配 “fooooood” 中的前三个 o。
‘o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。
?
当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的
匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 “oooo”，’o+?’ 将匹配单个 “o”，
而 ‘o+’ 将匹配所有 ‘o’。
.
匹配除 “n” 之外的任何单个字符。要匹配包括 ‘n’ 在内的任何字符，请使用象 ‘[.n]’ 的模式。
(pattern)
匹配pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，
在JScript 中则使用 {CONTENT}… 属性。要匹配圆括号字符，请使用 ‘(’ 或 ‘)’。
(?:pattern)
匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 “或” 字符 (|) 来组合
一个模式的各个部分是很有用。例如， ‘industr(?:y|ies) 就是一个比 ‘industry|industries’ 更简略的表达式。
(?=pattern)
正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后
使用。例如， ‘Windows (?=95|98|NT|2000)’ 能匹配 “Windows 2000″ 中的 “Windows” ，但不能匹配 “Windows 3.1″
中的 “Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从
包含预查的字符之后开始。
(?!pattern)
负向预查，在任何不匹配Negative lookahead matches the search string at any point where a string not
matching pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。
例如’Windows (?!95|98|NT|2000)’ 能匹配 “Windows 3.1″ 中的 “Windows”，但不能匹配 “Windows 2000″ 中的
“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从
包含预查的字符之后开始
x|y
匹配 x 或 y。例如，’z|food’ 能匹配 “z” 或 “food”。’(z|f)ood’ 则匹配 “zood” 或 “food”。
[xyz]
字符集合。匹配所包含的任意一个字符。例如， ‘[abc]’ 可以匹配 “plain” 中的 ‘a’。
[^xyz]
负值字符集合。匹配未包含的任意字符。例如， ‘[^abc]’ 可以匹配 “plain” 中的’p'。
[a-z]
字符范围。匹配指定范围内的任意字符。例如，’[a-z]’ 可以匹配 ‘a’ 到 ‘z’ 范围内的任意小写字母字符。
[^a-z]
负值字符范围。匹配任何不在指定范围内的任意字符。例如，’[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符。
b
匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘erb’ 可以匹配”never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
B
匹配非单词边界。’erB’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
cx
匹配由x指明的控制字符。例如， cM 匹配一个 Control-M 或回车符。 x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为
一个原义的 ‘c’ 字符。
d
匹配一个数字字符。等价于 [0-9]。
D
匹配一个非数字字符。等价于 [^0-9]。
f
匹配一个换页符。等价于 x0c 和 cL。
n
匹配一个换行符。等价于 x0a 和 cJ。
r
匹配一个回车符。等价于 x0d 和 cM。
s
匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ fnrtv]。
S
匹配任何非空白字符。等价于 [^ fnrtv]。
t
匹配一个制表符。等价于 x09 和 cI。
v
匹配一个垂直制表符。等价于 x0b 和 cK。
w
匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’。
W
匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]’。
xn
匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如， ‘x41′ 匹配 “A”。’x041′ 则等价于
‘x04′ & “1″。正则表达式中可以使用 ASCII 编码。.
num
匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，’(.)’ 匹配两个连续的相同字符。
n
标识一个八进制转义值或一个后向引用。如果 n 之前至少 n 个获取的子表达式，则 n 为后向引用。否则，如果 n 为八进制
数字 (0-7)，则 n 为一个八进制转义值。
nm
标识一个八进制转义值或一个后向引用。如果 nm 之前至少有is preceded by at least nm 个获取得子表达式，则 nm 为
后向引用。如果 nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的后向引用。如果前面的条件都不满足，若 n 和 m 均
为八进制数字 (0-7)，则 nm 将匹配八进制转义值 nm。
nml
如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
un
匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如，u00A9 匹配版权符号 (?)。