菜鸟眼中的正则表达式

给出定义

---

正则表达式总是那么神秘，反复学了多次，总也不能信手拈来，每每用到都需要查手册，虽也方便，却很烦燥。所以需要正式的整理一番，写出来，清楚一些。

正则表达式一定离不开模式匹配这个更显高级的词汇，模式匹配跟门当户对有点像。

正则表达式也就可以说是根据用户给出的规则，机器实现自动匹配的相关指令。简单的说，正则表达式是一种可以用于模式匹配和替换的强有力的工具。

我们什么时候使用正则表达式呢？不是所有的字符操作都用正则就好了，在某些方面用正则反而影响效率。当我们遇到复杂文本数据的解析时候，用正则是比较好的选择。

关键词

---

关键词的作用域

在表达式中，可以使用括号来表达不同符号的作用域，比如

[ ]	用于表示字符域
( )	用于确定作用符的作用对象
{N, M} A-Z	用于指定匹配的次数介于N，M之间 此时还可以用连字符表示字符范围
^	在其作用域内的字符组合，需要出现在被匹配对象开头 如果该字符出现在匹配组内，则表示排除字符
$	在其作用域内的字符组合，需要出现在被匹配对象结尾

定界符

位于“/”定界符之间的部分就是将要在目标对象中进行匹配的模式，如果需要匹配的模式中含有大量“/”符号，则使用“#”取代之，此时不必对模式中的“/”进行转义。例如

/love/

#

元字符

所谓元字符就是指那些在正则表达式中具有特殊意义的专用字符，可以用来规定其前导字符（即位于元字符前面的字符）在目标对象中的出现模式。

+	one or more
*	zero or more
？	zero or one
.	everyone but \n
\s	space [\t\n\r\f]
\S	no space
\d	digital
\D	no digitial
\w	word
\W	no word

转义符

专业一点叫“跳脱字符”用于对上述元字符和控制字符进行转义，码工很熟，恕不多言。

注释

对于复杂的表达式，一定要给出相应的注释，以保证可读性和复用性。

注释方式为    ?#注释内容  例如：

1. $regex = '/

2.     ^host=(?

3. \|

4.     ([\w!@#$%^&*()_+\-]+)                       (?#用户名)

5. \|

6.     ([\w!@#$%^&*()_+\-]+)                       (?#密码)

7. (?!\|)$/ix';

控制符

选择符
          在表达式中添加逻辑运算符“或”完成对匹配对象的选择性匹配，例如：
          '/[love|hate]/'
惰性匹配

如果前面有限定符，会使用最小的数据。如“*”会取0个，而“+”会取1个，如过是{3,5}会取3个。例如：

1. $regex = '/heL*?/i';

2. $str = 'heLLLLLLLLLLLLLLLL';

3. if(preg_match($regex, $str, $matches)){

4.     var_dump($matches);

5. }

输出 “he”

数据捕获

没有指明类型而进行的分组,将会被获取,供以后使用。 指明类型指的是通配符。所以只有圆括号起始位置没有问号的才能被捕捉。在同一个表达式内的引用叫做反向引用。

           调用格式: \编号(如\1)。

避免捕获数据

           格式:(?:pattern)

           优点:将使有效反向引用数量保持在最小，代码更加、清楚。

命名捕获组

           格式:(?P<组名>)

           调用方式 (?P=组名)

修饰符

用于改变正则表达式的行为。

我们看到的('/^http:\/\/([\w.]+)\/([\w]+)\/([\w]+)\.html/i')中的最后一个"i"就是修饰符,表示忽略大小写ignore，还有一个我们经常用到的是"x"表示忽略空格。

通配符

用于断言某些字符串中某些字符的存在与否。需要非常注意的是，此断言出的字符不做占位符。分为两种，正向断言和反向断言：

?=	正向的断言作用域内的字符会出现在当前向后的位置
?!	与?=意义相反，用法相同
?<=	反向断言作用域内的字符组合会出现在当前向前的位置
?	与?<=意义相反，用法相同

如何与程序衔接

PHP中可以使用ereg()函数进行模式匹配操作，JavaScript 1.2中带有一个功能强大的RegExp()对象。大多数语言给出了对正则表达式的支持。以PHP为例。
PHP中实现了POSIX正则表达式的函数就有7个，此处举例三个：

bool ereg/eregi(string pattern, string string, [,array regs])	在字符串string中匹配表达式pattern， 如果匹配成功返回TRUE。如果包含参数array，则按照字串规则划分并存储到数组中，带 i 表示不区分大小写。相关方法中均有此选项，下不赘述
string ereg_replace(string pattern, string replacement, string string)	在字符串中匹配表达式，匹配成功则用replacement替代匹配到的字符串，并将替换出的字符串存在string中。
array split(string pattern, string string, [,int limit])	使用表达式来分割字符串，如果有限制参数，则分出的数组中最多有limit个元素，剩余的部分都写到最哦户一个数组元素中。

实现PCRE风格的表达式也有7个，无论从效率还是语法支持上，PCRE是优于POSIX，例如最常用的匹配测试函数
        int preg_match/preg_match_all(string pattern, string subject [,array matches])
        函数功能：在字符串中匹配表达式，函数返回匹配成功的次数，如果有数组参数，则匹配到的字符串分次存入数组中。两个函数的区别在于_all函数会一直匹配到
字符串结束。

给个例子

验证E-mail地址

这是一个用于验证电子邮件的正则表达式。但它并不是高效、完美的解决方案。在此不推荐使用。

Php代码

1. $email = "[e-mail]";
2. if (preg_match('/^[^0-9][a-zA-Z0-9_]+([.][a-zA-Z0-9_]+)*[@][a-zA-Z0-9_]+([.][a-zA-Z0-9_]+)*[.][a-zA-Z]{2,4}$/',$email)) {
3. echo "Your email is ok.";
4. } else {
5. echo "Wrong email address format";
6. }

为了更加有效验证电子邮件地址，推荐使用。

Php代码

1. if (filter_var('test+email@ansoncheung', FILTER_VALIDATE_EMAIL)) {
2. echo "Your email is ok.";
3. } else {
4. echo "Wrong email address format.";
5. }

小结

---

正则表达式可以说是代码的灵魂，如果将程序比作开发板，她则当之无愧的成为CPU的重要组成部分。
刚开始接触正则的话，需要了解其所涉及到的关键词，熟习用法，结合函数调用进行练习。
用多了，那就尝试优化和注释你的正则，尽量规范和统一。
最后，当你发现他是一个好用的工具时，你离高手就不远了。