摘要：字符組字符組就是一組字符，在正則表達(dá)式中，它表示在同一個(gè)位置可能出現(xiàn)的各種字符。放在正則表達(dá)式的開頭，表示定位到字符串的起始位置用在正則表達(dá)式的末尾，表示定位到字符串的結(jié)束位置。

這里的知識(shí)點(diǎn)基本上是《正則指引》的讀書筆記，只是每個(gè)知識(shí)點(diǎn)的示例代碼用php來實(shí)現(xiàn)。

1. 字符組

字符組（Character Class）就是一組字符，在正則表達(dá)式中，它表示“在同一個(gè)位置可能出現(xiàn)的各種字符”。
寫法：[ab]、[314]、[#.?]

字符組的基本用法

[...]

preg_match("/[0123456]/", "5");    // => 1
preg_match("/[abc123]/", "5");    // => 0

范圍表示法（range）

[x-y]表示x到y整個(gè)范圍內(nèi)的字符。如，[0123456789]表示為[0-9]，[abcdefghijk]表示為[a-k]。

為什么是[0-9]，而不是[9-0]？
因?yàn)?b>-表示的范圍一般是根據(jù)字符對(duì)應(yīng)的碼值（Code Point）來確定的。典型地有ACSⅡ編碼。在ACSⅡ編碼中，0~9的碼值是48~57，a~z的碼值是97~122，A~Z的碼值是65~90。

preg_match("/[0-9]/", "5");    // => 1
preg_match("/[a-z]/", "5");    // => 0
preg_match("/[0-9a-fA-F]/", "0");    // 16進(jìn)制

字符組簡記法（shorthands）

提供比范圍表示法更簡潔的表示方法，如d表示[0-9]，w表示[0-9a-zA-z_]。

php中支持的字符組簡記：

d 所有的數(shù)字，即[0-9]

D 所有的非數(shù)字，與d互斥

w 所有的單詞字符（字符、數(shù)字、下劃線），即[0-9a-zA-Z_]

W 所有的非單詞字符，與W互斥

s 所有的空白字符，包括空格、制表符、回車符、換行符等空白字符

S 所有的非空白字符，與s互斥

preg_match("/d/", "8");    // => 1
preg_match("/d/", "a");    // => 0
preg_match("/d[a-z]/", "a");    // => 1

preg_match("/w/", "a");    // => 1
preg_match("/w/", "6");    // => 1
preg_match("/w/", "_");    // => 1

preg_match("/s/", " ");    // => 1
preg_match("/s/", "	");    // => 1
preg_match("/s/", "
");    // => 1

元字符與轉(zhuǎn)義

在范圍表示法中，字符組中的橫線-不能匹配橫線字符，而是用來表示范圍，這類字符叫做元字符（meta-character）。元字符除了-還有開方括號(hào)[、閉剛括號(hào)]、^、$等，它們都有特殊的意義。
當(dāng)元字符想要表示普通字符的含義時(shí)（如-就只想表示橫線字符），就需要轉(zhuǎn)義處理（在元字符前加反斜線字符）。對(duì)于-，有一個(gè)例外情況，就是當(dāng)它緊跟著字符組中的開括號(hào)[時(shí)，它就表示普通橫線字符，此時(shí)不用轉(zhuǎn)義。

preg_match("/[0-9]/", "-");    // => 1
preg_match("/[0-9]/", "8");    // => 0
preg_match("/[0-9]/", "0");    // => 1

preg_match("/[-09]/", "-");    // => 1

preg_match("/[0-9]/", "-");    // => 1
preg_match("/[0-9]/", "-");    // => 1

仔細(xì)看上面第一個(gè)表達(dá)式和最后兩個(gè)表示式。這里要注意：

在php中，字符串既可以用單引號(hào)標(biāo)注也可以用雙引號(hào)標(biāo)注。兩者的主要區(qū)別在于，雙引號(hào)字符串可以插值，二單引號(hào)字符串不能；另外，雙引號(hào)字符串會(huì)處理字符串轉(zhuǎn)義，二單引號(hào)字符串不會(huì)

正則表達(dá)式是以字符串的方式提供的。在php中，雙引號(hào)字符串本身也有關(guān)于轉(zhuǎn)義的規(guī)定（如""、" "、" "等），因此"0-9"與"0-9"是等價(jià)的。

那么最后一個(gè)表達(dá)式為什么也可以匹配呢？這是因?yàn)?，盡管php的正則表達(dá)式用字符串文字給出，但它與常見的字符串不完全一樣——如果某個(gè)轉(zhuǎn)義序列可以有字符串識(shí)別，則對(duì)其進(jìn)行轉(zhuǎn)義處理；否則，將整個(gè)轉(zhuǎn)義序列“原封不動(dòng)”地保存下來。

因此，在正則表達(dá)式中轉(zhuǎn)義要小心，在php中，使用單引號(hào)字符串來構(gòu)建正則表達(dá)式會(huì)比雙引號(hào)字符串更簡單明了。

排除型字符組（Negated Character Class）

在方括號(hào)[…]中列出希望匹配的所有字符叫做“普通字符組”。在開方括號(hào)[之后緊跟一個(gè)脫字符^，寫作[^…]，表示“在當(dāng)前位置，匹配一個(gè)沒有列出的字符”。例如，[^0-9]匹配非數(shù)字字符。

preg_match("/[^0-9][0-9]/", "A8");    // => 1

排除型字符組中的緊跟著開方括號(hào)[的脫字符^也是元字符，如果要匹配尖括號(hào)字符，需要進(jìn)行轉(zhuǎn)義處理。但是，不緊跟著開方括號(hào)[的^就是普通字符，不需要轉(zhuǎn)義。

preg_match("/[^0-9]/", "0");    // => 0
preg_match("/[^0-9]/", "0");    // => 1
preg_match("/[^0-9]/", "^");    // => 1
preg_match("/[0-9^]/", "^");    // => 1

POSIX字符組

之前介紹的字符組，都屬于Perl衍生出來的正則表達(dá)式流派（Flavor），這個(gè)流派叫做PCRE（Per Compatible Regular Expression）。正則表達(dá)式還有其他流派，比如POSIX（Portable Operating System Interface for unix），它是一系列規(guī)范，定義了UNIX操作系統(tǒng)應(yīng)當(dāng)支持的功能，其中也包括了正則表達(dá)式的規(guī)范。

常見的[a-z]形式的字符組，在POSIX規(guī)范中仍然獲得支持，稱作POSIX方括號(hào)表達(dá)式。POSIX方括號(hào)表達(dá)式中的不是用來轉(zhuǎn)義的，如[d]就只能匹配和d兩個(gè)字符。這里涉及到]、-這兩個(gè)特殊字符，在POSIX規(guī)范中，緊接在開方括號(hào)[之后的]才表示閉方括號(hào)字符，緊挨在閉方括號(hào)]之前的-才表示橫線字符。

對(duì)于PCRE規(guī)范中的d、w、s等字符組簡記法，POSIX中有類似的東西，叫做POSIX字符組。在ASCⅡ語言環(huán)境（locale）中，常見的POSIX字符組及其含義如下：

POSIX字符組	說明	ACSⅡ字符組	等價(jià)的PCRE簡記法
[:alnum:]	字母和數(shù)字	[0-9a-zA-Z]
[:alpha:]	字母	[a-zA-Z]
[:ASCⅡ]	ASCⅡ字符	[x00-x7F]
[:blank:]	空格字符和制表字符	[ ]
[:cntrl:]	控制字符	[x00-x1Fx7F]
[:digit:]	數(shù)字字符	[0-9]	d
[:graph:]	空白字符之外的字符	[x21-x7E]
[:lower:]	小寫字母字符	[a-z]
[:print:]	類似[:graph:]，但包括空白字符	[x20-x7E]
[:punct:]	標(biāo)點(diǎn)符號(hào)	[][!"#$%&"()*+,./:;<=>?@^_`{	}~-]
[:space:]	空白字符	[ vf]	s
[:upper:]	大寫字母	[A-Z]
[:word:]	字母字符	[A-Za-z0-9_]	w
[:xdigit:]	十六進(jìn)制字符	[A-Fa-f0-9]

php中有專門處理POSIX正則的函數(shù)，但從5.3.0開始已經(jīng)廢棄了。這里只是了解一下相關(guān)知識(shí)。

2. 量詞

這里首先介紹一下^和$兩個(gè)特殊字符，在上一章的元字符與轉(zhuǎn)義一節(jié)提到過這兩個(gè)特殊字符。
^放在正則表達(dá)式的開頭，表示“定位到字符串的起始位置”；$用在正則表達(dá)式的末尾，表示“定位到字符串的結(jié)束位置”。

preg_match("/wd/", "1a2b");   // => 1
preg_match("/^wd/", "1a2b");  // => 0 必須以字母開頭
preg_match("/wd$/", "1a2b");  // => 0 必須以數(shù)字結(jié)尾
preg_match("/^wd/", "a2b");   // => 1
preg_match("/wd$/", "1a2");   // => 1
preg_match("/^wd$/", "1a2");  // => 0 開頭必須是字母，結(jié)尾必須是數(shù)字
preg_match("/^wd$/", "a2");   // => 1

量詞的一般形式

如果要匹配一個(gè)郵政編碼（6位數(shù)字），目前能寫出來的正則表達(dá)式是^ffffdffffd$：

preg_match("/^ffffdffffd$/", "100010");   // => 1
preg_match("/^ffffdffffd$/", "10001035"); // => 0
preg_match("/^ffffdffffd$/", "10a010");   // => 0

d重復(fù)6次的寫法很不科學(xué)，正則表達(dá)式肯定會(huì)有更方便的寫法，也就是量詞（quantifier）。量詞的通用形式是{m,n}（注意，,后面不能有空格），它限定之前的元素能夠出現(xiàn)的次數(shù)，m是下限，n是上限。其他常見的量詞形式有：

量詞	說明
{n}	之前的元素必須出現(xiàn)n次
{m,n}	之前的元素最少出現(xiàn)m次，最多出現(xiàn)n次
{m,}	之前的元素最少出現(xiàn)m次，出現(xiàn)次數(shù)無上限
{0,n}	之前的元素可以不出現(xiàn)，也可以出現(xiàn)，最多出現(xiàn)n次

preg_match("/^d{6}$/", "100010");      // => 1

preg_match("/^d{4,6}$/", "123");       // => 0
preg_match("/^d{4,6}$/", "1234");      // => 1
preg_match("/^d{4,6}$/", "123456");    // => 1
preg_match("/^d{4,6}$/", "1234567");   // => 0

常用量詞

正則表達(dá)式還有三個(gè)常用的量詞，分別是+、?、*：

常用量詞	{m,n}等價(jià)形式	說明
*	{0,}	可能出現(xiàn)，也可能不出現(xiàn)，出現(xiàn)次數(shù)沒有上限
+	{1，}	至少出現(xiàn)1次，出現(xiàn)次數(shù)沒有上限
?	{0,1}	出現(xiàn)0次或1次

這三種量詞在實(shí)際中使用的非常多。

例如，匹配url的時(shí)候，有可能是http，也有可能是https，這個(gè)時(shí)候用?就很方便：

preg_match("/^https?://www.baidu.com/", "http://www.baidu.com");    // => 1
preg_match("/^https?://www.baidu.com/", "https://www.baidu.com");   // => 1

在匹配html的tag（如、