摘要：正則表達(dá)式作為一個(gè)匹配的模板，是由定界符，原子普通字符，例如有特殊功能的字符稱為元字符，例如等以及模式修正符等部分組成的文字模式。正則表達(dá)式中可以使用編碼。限定符限定符用來(lái)指定正則表達(dá)式的一個(gè)給定原子必須要出現(xiàn)多少次才能滿足匹配。
正則表達(dá)式的定義
正則表達(dá)式就是描述字符排列模式的一種自定義的語(yǔ)法規(guī)則。
由于正則表達(dá)式本身具有一套非常完整的、可以編寫(xiě)模式的語(yǔ)法體系，提供了一種靈活且直觀的字符串處理方法，故正則表達(dá)式也稱為模式表達(dá)式。
正則表達(dá)式的特點(diǎn)
正則表達(dá)式并不是PHP特有的，JavaScript、Java、Perl、MySQL中都可以應(yīng)用到正則表達(dá)式。
正則表達(dá)式通過(guò)構(gòu)建具有特定規(guī)則的模式，與輸入的字符串信息進(jìn)行比較，從而實(shí)現(xiàn)字符串的匹配、查找、替換及分割等操作。
例子：
"/^https?://(([a-zA-Z0-9_-])+(.)?)*(:d+)?(/((.)?(?)?=?&?[a-zA-Z0-9_-](?)?)*)*$/i" // 匹配網(wǎng)址ＵＲＬ的正則表達(dá)式
"/<(S*?)[^>]*>.*?|<.*?/>/i" // 匹配HTML標(biāo)記的正則表達(dá)式
"/w+([-+.]w)+*@w+([-.]w+)*.w+([-.]w+)*/" // 匹配E-mail地址的正則表達(dá)式
"/^]*s*srcs*=s*(["]?)(?S+)"?[^>l ]*>$/" // 匹配img標(biāo)簽
注意
正則表達(dá)式是由普通字符與具有特殊意義的字符組成字符串
效率問(wèn)題，如果可以使用字符串函數(shù)完成任務(wù)，那盡量不使用正則表達(dá)式函數(shù)
對(duì)于一些復(fù)雜操作，如表單驗(yàn)證，計(jì)算發(fā)布文章中有多少個(gè)句子，抓取網(wǎng)頁(yè)中某種格式的句子等使用正則表達(dá)式以及相關(guān)函數(shù)能夠更好地實(shí)現(xiàn)
正則表達(dá)式具有一定的編寫(xiě)規(guī)則(語(yǔ)義)，是一種模式
若正則表達(dá)式不與 相應(yīng)的正則表達(dá)式函數(shù)使用，那么正則表達(dá)式僅僅是字符串，要達(dá)成匹配、查找、替換以及分割功能，正則表達(dá)式必須與相應(yīng)的正則表達(dá)式函數(shù)配套使用。
PHP中兩套支持正則表達(dá)式的函數(shù)庫(kù)
PCRE(Perl Compatible Regular Expression)
由PCRE庫(kù)提供，與Perl語(yǔ)言兼容的正則表達(dá)式、使用"preg_"為前綴命名的函數(shù)，而且表達(dá)式都應(yīng)被包含在定界符中。
POSIX(Portable Operation System Interface)
自從PHP5.3.0開(kāi)始廢棄.使用一套"ereg_"為前綴命名的函數(shù)。
注意
1. 兩套 函數(shù)庫(kù)功能類(lèi)似，執(zhí)行效率不同，一般來(lái)說(shuō)，實(shí)現(xiàn)相同功能，使用 PCRE庫(kù)提供的正則表達(dá)式效率略占優(yōu)勢(shì)。
2. PCRE 函數(shù)需要模式以定界符閉合。
3. 不像POSIX，PCRE 擴(kuò)展沒(méi)有專門(mén)用于大小寫(xiě)不敏感匹配的函數(shù)。
取而代之的是，支持使用i (PCRE_CASELESS) 模式修飾符完成同樣的工作。 其他模式修飾符同樣可用于改變匹配策略。
4. POSIX 函數(shù)從最左面開(kāi)始尋找最長(zhǎng)的匹配，但是 PCRE 在第一個(gè)合法匹配后停止。如果字符串
不匹配這沒(méi)有什么區(qū)別，但是如果匹配，兩者在結(jié)果和速度上都會(huì)有差別。 為了說(shuō)明
這個(gè)不同, 考慮下面的例子(來(lái)自Jeffrey Friedl 的《精通正則表達(dá)式》一書(shū))。
使用模式 one(self)?(selfsufficient)? 在字符串oneselfsufficient 上匹配，
PCRE 會(huì)匹配到oneself，但是使用 POSIX，結(jié)果將是整個(gè)字符串 oneselfsufficient。
兩個(gè)子串都匹配原始字符串，但是 POSIX 將 最長(zhǎng)的作為結(jié)果。
函數(shù)對(duì)比
| POSIX |
PCRE |
| ereg_replace() |
preg_replace() |
| ereg() |
preg_match() |
| eregi_replace() |
preg_replace() |
| eregi() |
preg_match() |
| split() |
preg_split() |
| spliti() |
preg_split() |
| sql_regcase() |
無(wú)對(duì)等函數(shù) |
可參照PHP Manual
正則表達(dá)式語(yǔ)法規(guī)則
正則表達(dá)式描述了一種字符串的匹配模式，通過(guò)這個(gè)模式在特定的函數(shù)中對(duì)字符串進(jìn)行匹配、查找、替換以及分割等操作。
正則表達(dá)式作為一個(gè)匹配的模板，是由定界符，原子(普通字符，例如a-z)、有特殊功能的字符(稱為元字符，例如*、+、?等),
以及模式修正符等部分組成的文字模式。
例子：
"/^https?//(([a-zA-Z0-9_-])+(.)?)*(d+)?(/((.)?(?)?=?&?[a-zA-Z0-9_-](?)?)*)*$/i/"
或者
"/^(.+?)$/sim"
1. 定界符中使用的是兩個(gè)斜線"/"，將模式放在它之間說(shuō)明。
2. 原子用到了<、a、href、=、"、"、/、>等普通字符和 、
、
等轉(zhuǎn)義字符。
3. 元字符使用了[]、()、|、.、?、*、+等具有特殊含義的字符。
4. 用到模式修正符是在定界符最后一個(gè)斜線之后的三個(gè)字符"s"、"i"、"m"。
定界符
定界符為PCRE不同于POSIX的特點(diǎn)之一。
除了字母、數(shù)字和反斜線以外的字符皆可為定界符
例子：
{ }、# #、||、!!等
// // 使用反斜線作為定界符號(hào) 合法
|(d{3})-d+|Sm // 使用豎線"|"作為定界符號(hào) 合法
!^(?i)PHP[34]! // 使用感嘆號(hào)"!"作為定界符 合法
{^s+(s+)?$} // 使用花括號(hào)"{}"作為定界符號(hào) 合法
/href="(.*)" // 非法定界符，缺少結(jié)束定界符
1-d3-d3-d4/ // 非法定界符號(hào)，缺少起始定界符
注意
如果沒(méi)有特殊要求，一般使用//作為定界符
定界符是成對(duì)的，有開(kāi)始符號(hào)，也有結(jié)束符號(hào)。
原子
原子是正則表達(dá)式中最基本的組成單位，而且在每個(gè)模式中最少要包含一個(gè)原子。
原子是所有那些未顯式指定為元字符的打印(可以在屏幕上輸出的字符)和非打印字符(看不到的)組成的。
簡(jiǎn)單地說(shuō)，能夠在正則表達(dá)式中多帶帶使用的字符就可稱為原子
將其劃分為五類(lèi)
1. 普通字符作為原子
普通字符是編寫(xiě)正則表達(dá)式時(shí)最常見(jiàn)的原子，包括所有的大寫(xiě)和小寫(xiě)字母字符、所有數(shù)字等，例如：a-z、A-Z、0-9。
2. 非打印字符(看不到的)作為原子
原子字符 x09 含義描述
+ cx 匹配由x指明的控制符。
例如，cM匹配一個(gè)Control-M或者回車(chē)符。x的值必須為A-Z或a-z之一，
否則，將c視為一個(gè)原義的"c"字符。
+ f 匹配一個(gè)換頁(yè)符。等價(jià)于x0c和cL
+
匹配一個(gè)換行符。等價(jià)于x0a和cJ
+
匹配一個(gè)回車(chē)符。等價(jià)于x0d和cM
+ 匹配一個(gè)制表符。等價(jià)于x09和cI
+ v 匹配一個(gè)垂直制表符。等價(jià)于x0b和cK
3.通用字符類(lèi)型做為原子
前面介紹的原子，都是一個(gè)原子只能匹配一個(gè)字符。但是有時(shí)候我們需要一個(gè)原子可以匹配一類(lèi)字符。
在正則表達(dá)式中可以直接使用一些代表范圍的原子
原子字符 含義描述
d 匹配任意一個(gè)十進(jìn)制數(shù)字,等價(jià)于[0-9]
D 匹配任意一個(gè)除十進(jìn)制數(shù)字以外的字符，等價(jià)于[^0-9]
w 匹配任意一個(gè)數(shù)字、字母、下劃線，等價(jià)于[0-9a-zA-Z_]
W 匹配除數(shù)字、字母、下劃線以外的任意一個(gè)字符，等價(jià)于[^0-9a-zA-Z_]
s 匹配任意一個(gè)空白字符，等價(jià)于[f
v
]
S 匹配除空白字符以外的任何一個(gè)字符，等價(jià)于[^ f
v
]
4. 自定義原子表([])作為原子
有些時(shí)候，上面六個(gè)通用字符并不能滿足我們的需求，我們需要自定義一類(lèi)原子，比如說(shuō)奇數(shù)(1,3,5,7,9).
所以這時(shí)候需要我們自定義一類(lèi)原子(稱之為類(lèi)原子),使用原子表"[]"就可以定義一組彼此平等的原子，
只能匹配原子表中一個(gè)字符。
1表示匹配除表內(nèi)原子外的任意字符，通常稱之為排除原子表。
此外，在原子表中可以使用連字符(-)連接一組按照ASCII碼順序排列的原子，可簡(jiǎn)化書(shū)寫(xiě)。
例子
"/[apj]sp/" // 可以匹配asp、jsp、PSP三種，從原子表中僅選擇一個(gè)作為原子
"/[^apj]sp/" // 可以匹配除了asp、PSP、jsp三種以外的字符串，如xsp，ysp，zsp等
"/0[xX][0-9a-fA-F]/" // 可以匹配一個(gè)簡(jiǎn)單的十六進(jìn)制數(shù)，如0x2f、0X3AE或0x4aB等
5. 一些特殊字符和元字符作為原子
在正則表達(dá)式中，任何一個(gè)符號(hào)都可以作為原子使用，但如果該符號(hào)在正則表達(dá)式中有特殊意義，可以使用轉(zhuǎn)義字符""
取消它的特殊意義，作為一個(gè)普通字符使用。 如 ". * + ? ( <>"
" "轉(zhuǎn)義字符可以將有意義的字符轉(zhuǎn)成沒(méi)意義的字符，還可以將沒(méi)意義的字符轉(zhuǎn)為有意義的字符
元字符
元字符是用于構(gòu)建正則表達(dá)式的具有特殊含義的字符，如"*"、"+"、"?"等。
元字符不能多帶帶出現(xiàn)，必須用來(lái)修飾原子。
如果要在正則表達(dá)式中使用包含元字符本身，為了使其失去特殊含義，則必須在前面加上""進(jìn)行轉(zhuǎn)義
正則表達(dá)式的元字符
元字符 含義描述
* 匹配0次，1次或者多次其前面的原子
+ 匹配1次或多次其前的原子
？ 匹配0次或者1次其前的原子
. 匹配除了換行符外的任意一個(gè)字符
| 匹配兩個(gè)或多個(gè)分支選擇
{n} 表示其前面的原子恰好出現(xiàn)n次
{n,} 表示其前面的原子出現(xiàn)不少于n次
{n,m} 表示其前面的原子至少出現(xiàn)n次，最多出現(xiàn)n次
^或A 匹配輸入字符串的開(kāi)始位置(或在多行模式下行的開(kāi)頭，即緊隨一換行符后)
$或 匹配輸入字符串(或者在多行模式下行的結(jié)尾，即緊隨一換行符后)
匹配單詞的邊界
B 匹配除單詞邊界以外的部分
[] 匹配方括號(hào)中指定的任意一個(gè)原子
[^] 匹配除方括號(hào)中的原子以外的任意一個(gè)字符，排除原子表
() 匹配其整體為一個(gè)原子，即模式單元?？梢岳斫鉃橛啥鄠€(gè)單個(gè)原子組成的大原子
xn 匹配n，其中n為十六進(jìn)制轉(zhuǎn)義值。十六進(jìn)制轉(zhuǎn)義值必須為確定的兩個(gè)數(shù)字長(zhǎng)。
例如，`"x41"`匹配`A`。`"x041"`則等價(jià)于`"x04&1"`。正則表達(dá)式中可以使用ASCII編碼。
1. 限定符
限定符用來(lái)指定正則表達(dá)式的一個(gè)給定原子必須要出現(xiàn)多少次才能滿足匹配。
總共有"*"、"+"、"?"、"{n}"、"{n,}"、"{n,m}"六種限定符，他們之間的區(qū)別主要是重復(fù)匹配的次數(shù)不同。
其中"*"、"+"、"{n,}"限定符是貪婪的，因?yàn)樗鼈儠?huì)盡可能地匹配文字。
注意
元字符 "*" 表示0次、1次或多次匹配其前的原子，也可以使用"{0,}"完成同樣的匹配
"+"可以使用"{1,}"表示,
"?"可以使用"{0,1}"表示。
2. 邊界限制(斷言)
用來(lái)限定字符串或單詞的邊界范圍，以便獲得更準(zhǔn)確的匹配結(jié)果。元字符"^"或("A")和"$"或("")
分別指字符串的開(kāi)始于結(jié)束，而""用于描述字符串中每個(gè)單詞的前或者后邊界，
與之相反的元字符"B"表示非單詞邊界。
例如：
有一個(gè)字符串 "this is a test"， 使用邊界限制如下：
"/^this/" 匹配此字符是否以字符串"this"開(kāi)始的，匹配成功
"/test$/" 匹配此字符是否以字符串"test"結(jié)束的，匹配成功
"/is/" 匹配此字符串中是否含有單詞"is"，因?yàn)樵谧址?is"兩邊都需要有邊界
"/Bis/" 查找字符串"is"時(shí)，左邊不能有邊界而右邊必須右邊界，如"this"匹配成功
3. 句號(hào)(.)
在字符類(lèi)以外，模式中的圓點(diǎn)可以匹配目標(biāo)中的任何一個(gè)字符，包括不可打印字符。但不匹配換行符號(hào)(默認(rèn)情況下)，相當(dāng)于"[^
]"(UNIX系統(tǒng))或者"[^
]"(Windows系統(tǒng))。
但是如果設(shè)定了模式修正符"s",則圓點(diǎn)也會(huì)匹配換行符。
處理圓點(diǎn)與處理^和$是完全獨(dú)立的，唯一的聯(lián)系是涉及換行
注意
1. `".*?"`或者`".+?"`組合來(lái)匹配除換行符以外的任何字符串。
例如：`"/.*?/"`可以匹配以``,``標(biāo)簽開(kāi)始于結(jié)束的任何不包括換行符的任意字符串
4. 模式選擇符(|)
豎線字符"|"用來(lái)分隔多選一模式，在正則表達(dá)式中匹配兩個(gè)或更多的選擇之一。
因|的優(yōu)先級(jí)是最低的，所以應(yīng)在最后考慮其功能。
例如：LAMP | J2EE表示匹配LAMP，也可以匹配J2EE，由于|其優(yōu)先級(jí)最低，所以并
不表示匹配"LAMP2EE"或者"LAMJEE"。
也可以像這樣使用 "/Linux|Apache|MySQL|PHP/"，表示可以從中任意匹配一組。
5. 模式單元
模式單元是使用元字符"()"將多個(gè)原子組成大原子使用。
一個(gè)模式單元中的表達(dá)式將被優(yōu)先匹配
例子：
"/(very)*good/" //可以匹配good、very good、very very good
6. 后向引用
后向引用是一個(gè)正則表達(dá)式中一個(gè)重要的應(yīng)用點(diǎn)。
使用()標(biāo)記的開(kāi)始和結(jié)束的多個(gè)原子，不僅僅是一個(gè)獨(dú)立的單元，也是一個(gè)子表達(dá)式(也稱之為子模式)。
**對(duì)于一個(gè)正則表達(dá)式模式或部分模式兩邊添加圓括號(hào)將導(dǎo)致相關(guān)匹配存儲(chǔ)到一個(gè)臨時(shí)緩沖區(qū)中，可以被捕獲供
以后使用**。
所捕獲的每個(gè)子匹配都按照正則表達(dá)式模式中從左之后所遇到的內(nèi)容存儲(chǔ)。存儲(chǔ)子匹配的緩沖區(qū)編號(hào)從1開(kāi)始，
連續(xù)編號(hào)直至最大99個(gè)表達(dá)式。
每個(gè)緩沖區(qū)都可以使用
訪問(wèn)，其中n為一個(gè)便是特定緩沖區(qū)的一位或兩位十進(jìn)制數(shù)。
例如："1"、"2"、"3"等形式的引用，在正則表達(dá)式模式中使用時(shí)還需要在前面加上一個(gè)反斜線，
將反斜線再次轉(zhuǎn)義，
例如："1"、"2"、"3"等形式的引用。
如下所示：
"/^d{4}Wd{2}Wd{2$}/" // 這是一個(gè)匹配日期的格式，如2008-08/08或者2008/08-08 等
"/^d{4}(W)d{2}1d{2$}/" // 這是一個(gè)匹配日期的格式，如2008-08-08或者2008/08/08 等
當(dāng)你要使用模式單元而又不想存儲(chǔ)匹配結(jié)果時(shí)，可以使用非捕獲元字符"?:"、"?="或"?!"來(lái)忽略對(duì)相關(guān)匹配的保存。
注意
在一些正則表達(dá)式中，使用非存儲(chǔ)模式單元是必要的，可以改變其后向引用的順序。
`/(Windows)(Linux)2OS/` --- 使用"2"再次引用第二個(gè)緩沖區(qū)中的字符串"Linux"
`/(?:Windows)(Linux)1OS/` --- 使用"?:"忽略了第一個(gè)子表達(dá)式的存儲(chǔ)，所以"1"引用的就是"Linux"
7. 模式匹配的優(yōu)先級(jí)
在使用正則表達(dá)式時(shí)，需要注意匹配的書(shū)序。通常相同優(yōu)先級(jí)從左到右進(jìn)行運(yùn)算，不同優(yōu)先級(jí)的運(yùn)算先高后低。
** 順 序 ** ** 元 字 符 ** ** 描 述 **
1 轉(zhuǎn)義符號(hào)
2 ()、(?:)、(?=)、[] 模式單元和原子表
3 *、+、？、{n}、{n,}、{n,m} 重復(fù)匹配
4 ^、$、、B、A、 邊界限制
5 | 模式選擇
模式修正符
模式修正符在正則表達(dá)式定界符之外使用(最后一個(gè)斜線"/"之后)。
模式修正符可以調(diào)整正則表達(dá)式的解釋，擴(kuò)展了正則表達(dá)式在匹配、替換等操作時(shí)的某些功能；
而且模式修正符可以組合使用，更增強(qiáng)了正則表達(dá)式處理能力
模式修正符可以單個(gè)使用，也可以多個(gè)組合使用
模式修正符
**模式修正符** **功能描述**
i 在和模式進(jìn)行匹配時(shí)不區(qū)分大小寫(xiě)
m 將字符串視為多行。默認(rèn)開(kāi)的正則開(kāi)始`"^"`和`"$"`將目標(biāo)字符串作為單一的一"行"
字符(甚至其中包含有換行符也是如此)。如果在修飾符中加上`"m"`，那么開(kāi)始和結(jié)束將會(huì)指字符串的每一行,每一行的開(kāi)頭就是`"^"`,結(jié)尾就是`"$"`。
s 如果設(shè)定了次修正符，則模式中的圓點(diǎn)元字符`"."`匹配所有的字符，包括換行符。
即將字符串視為單行，換行符作為普通字符看待。
x 模式中的空白忽略不計(jì)，除非它已經(jīng)被轉(zhuǎn)義。
e **只有在`preg_replace()`函數(shù)中，在替換字符串對(duì)逆向引用做正常的替換，將其作為
PHP代碼求值，并且其結(jié)果來(lái)替換所搜索的字符串**
U 本修正符反轉(zhuǎn)了匹配數(shù)量的值使其使其不是默認(rèn)的重復(fù)，
而變成在后面跟上`"?"`才變得重復(fù)。**__這和Perl語(yǔ)言不兼容__**。也可以通過(guò)在模式中設(shè)定(U)修正符或者數(shù)量符之后跟一個(gè)問(wèn)號(hào)`"?"`(例如.*?)來(lái)使用此選項(xiàng)。
D 模式中的美元元字符僅匹配目標(biāo)字符串的結(jié)尾。沒(méi)有此選項(xiàng)時(shí)，如果最后
一個(gè)字符是換行符，則美元符號(hào)也會(huì)匹配次字符之前的內(nèi)容。如果設(shè)定了m修正符，則忽略此選項(xiàng)
注意：
模式 "/Web Server/ix"可以用來(lái)匹配字符串"webserver",忽略大小寫(xiě)和空白。
貪婪匹配，在匹配成功的前提下，盡可能多的去匹配*,+,{n,},.*是貪婪的，例如：/a.*e/去匹配字符串"abcd fsdfsdfsesfdfsdfsesdfedfsdfses",由于".*"是貪婪的匹配，會(huì)從這個(gè)字符串中匹配出"abcd fsdfsdfsesfdfsdfsesdfedfsdfse"，從第一個(gè)a開(kāi)始，知道最后一個(gè)字母e結(jié)束，都屬于".*"內(nèi)容。如果想取消這種貪婪模式，可以使用模式修正符"U"或者在模式中使用.*?，在.*后面加個(gè)?。為了兼容Perl正則函數(shù)，可能會(huì)沒(méi)有模式修正符"U"，我們建議使用在".*"后加"?"來(lái)實(shí)現(xiàn)懶惰模式(即非貪婪模式)如果"U"與"?"同時(shí)使用，像這樣"/a.*?e/U",則匹配"abcdfsdfsdfsesfdfsdfsesdfedfsdfse"，相當(dāng)于又啟用了貪婪模式。
惰性模式，在匹配成功的前提下，盡可能少的去匹配(注意點(diǎn)同上)
模式"/^is/m"可以匹配字符串"this
is
ais
test"中的"is",因?yàn)槭褂媚Ｊ叫拚?b>"m"將字符串視為多行，第二行出現(xiàn)的"is"匹配成功。默認(rèn)的正則開(kāi)始^和結(jié)束"$"將目標(biāo)字符串作為單一的一“行”(甚至包含換行符也是如此)。
Note:
看到這里是不是懵逼了？沒(méi)錯(cuò)，我也懵逼。
不過(guò)沒(méi)有關(guān)系，秉承Learning by doing的準(zhǔn)則，
在接下來(lái)的教程中，我會(huì)一一演示。
更多文章請(qǐng)?jiān)L問(wèn)我的博客：Noapes
實(shí)例
/**
* 無(wú)亂碼截取中文字符
* @param $str
* @param int $start
* @param $length
* @param string $charset
* @param bool|true $suffix
* @return string|void
*/
function msubstr($str, $start=0, $length, $charset="utf-8", $suffix=true)
{
if(function_exists("mb_substr"))
return mb_substr($str, $start, $length, $charset);
elseif(function_exists("iconv_substr")) {
return iconv_substr($str,$start,$length,$charset);
}
$re["utf-8"] = "/[x01-x7f]|[xc2-xdf][x80-xbf]|[xe0-xef][x80-xbf]{2}|[xf0-xff][x80-xbf]{3}/";
$re["gb2312"] = "/[x01-x7f]|[xb0-xf7][xa0-xfe]/";
$re["gbk"] = "/[x01-x7f]|[x81-xfe][x40-xfe]/";
$re["big5"] = "/[x01-x7f]|[x81-xfe]([x40-x7e]|xa1-xfe])/";
preg_match_all($re[$charset], $str, $match);
$slice = join("",array_slice($match[0], $start, $length));
if($suffix) return $slice;
return $slice;
}
echo msubstr("哈哈哈你好啊啊",2,3,"gb2312");
sdf ?
