PHP 正则表达式 基本规则

Posted 2020-08-19 日拱一卒,功不唐捐

正则表达式基本知识:

    \\ 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 向后引用、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。例如，"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。

    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， \'er\\b\' 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。\'er\\B\' 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 [ \\f\\n\\r\\t\\v]。

    \\S 匹配任何非空白字符。等价于 [^ \\f\\n\\r\\t\\v]。

    \\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，\'(.)\\1\' 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向后引用。如果 \\n 之前至少 n 个获取的子表达式，则 n 为向后
　　　　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向后引用。如果 \\nm 之前至少有 nm 个获得子表达式，则 nm 为
　　　　向后引用。如果 \\nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。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 (?)。

　　子模式:

 (pattern) 匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 
　　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) 正向不匹配，在任何不匹配 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 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

　　子模式匹配:

<?php 
	$subject = "im 24 ap<pple>la";
	$pattern = "/<(.*)>/";
	$match   = [];

	$result = preg_match($pattern, $subject, $match);
	print_r($match);
	var_dump($result);

　　输出:

不捕获子模式:

<?php 
	$subject = "im 24 ap<pple>la";
	$pattern = "/<(?:.*)>/";
	$match   = [];

	$result = preg_match($pattern, $subject, $match);
	print_r($match);
	var_dump($result);

正向预查:匹配之前，现检查是否符合括号内规则的表达式，非捕获匹配

<?php 
	$subject = "im 24 appple";
	$pattern = "/p(?=p)/";
	$match   = [];

	$result = preg_match($pattern, $subject, $match);
	print_r($match);
	var_dump($result);

输出: 注意这里是‘p’

正向不匹配

<?php 
	$subject = "im 24 appple";
	$pattern = "/p(?!p)le/";
	$match   = [];

	$result = preg_match($pattern, $subject, $match);
	print_r($match);
	var_dump($result);

　　输出:

反向预查
(?<=pattern) 反向匹配。(?<=J)a，匹配紧跟字母J后面的a，结果Java6 Java7
(?<!pattern) 反向不匹配。(?<!J)a，不匹配紧跟字母J后面的a，结果Java6 Java7

反向预查:匹配之前要保证前面符合子模式条件，即和子模式中匹配。

<?php 
	$subject = "im 24 appple";
	$pattern = "/(?<=p)le/";
	$match   = [];

	$result = preg_match($pattern, $subject, $match);
	print_r($match);
	var_dump($result);

　运行:

反向不匹配:

<?php 
	$subject = "im 24 appple";
	$pattern = "/a(?<!p)p/";
	$match   = [];

	$result = preg_match($pattern, $subject, $match);
	print_r($match);
	var_dump($result);

　　运行:

贪婪模式

.*? 正则引擎默认是贪婪的，当出现"*"时,它会尽量去匹配尽可能长的字符串 一个用于修正以上问题的可能方案是用"*"的惰性代替贪婪性。你可以在"*"后面紧跟一个问号"?"来达到这一点 这告诉正则引擎，尽可能少的重复上一个字符

通过 ? 号可以表示尽可能的匹配最少的长度。

<?php 
	$subject = "im 24 appple";
	$pattern = "/im.*p/";
	$pattern_no = "/im.*?p/";
	$match   = [];
	$match_no = [];

	preg_match($pattern, $subject, $match);
	preg_match($pattern_no, $subject, $match_no);

	print_r($match);
	print_r($match_no);

　　运行: