正则表达式,大家在开发中应该是经常用到,现在很多开发语言都有正则表达式的应用,比如JavaScript、Java、.Net、PHP 等,我今天就把我对正则表达式的理解跟大家唠唠,不当之处,请多多指教!
需要知道的术语——下面的术语你知道多少?
Δ 定界符
Δ 字符域
Δ 修饰符
Δ 限定符
Δ 脱字符
Δ 通配符(正向预查,反向预查)
Δ 反向引用
Δ 惰性匹配
Δ 注释
Δ 零字符宽
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,php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。
正则表达式在处理复杂字符操作的时候,可以提高工作效率,也在一定程度节省你的代码量。
我们在使用正则表达式的时候,复杂的正则表达式会加大代码的复杂度,让人很难理解。所以我们有的时候需要在正则表达式内部添加注释。
通用模式
¤ 定界符,通常使用 “/”做为定界符开始和结束,也可以使用”#”。
什么时候使用”#”呢?一般是在你的字符串中有很多”/”字符的时候,因为正则的时候这种字符需要转义,比如uri。
使用”/”定界符的代码如下.
123 4 5 6 7 8 9 | $regex = '/^http://([w.]+)/([w]+)/([w]+).html$/i' ; $str = 'http://www.youku.com/show_page/id_ABCDEFG.html' ; $matches = array (); } |
preg_match中的$matches[0]将包含与整个模式匹配的字符串。
使用”#”定界符的代码如下.这个时候对”/”就不转义!
123 4 5 6 7 8 9 | $regex = '#^http://([w.]+)/([w]+)/([w]+).html$#i' ; $str = 'http://www.youku.com/show_page/id_ABCDEFG.html' ; $matches = array (); } |
¤ 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,还有一个我们经常用到的是”x”表示忽略空格。
贡献代码:
123 4 5 6 7 8 9 10 11 | $regex = '/HELLO/' ; $str = 'hello word' ; $matches = array (); } } |
¤ 字符域:[w]用方括号扩起来的部分就是字符域。
¤ 限定符:如[w]{3,5}或者[w]*或者[w]+这些[w]后面的符号都表示限定符。现介绍具体意义。
{3,5}表示3到5个字符。{3,}超过3个字符,{,5}最多5个,{3}三个字符。
* 表示0到多个
+ 表示1到多个。
¤ 脱字符号
^:
> 放在字符域(如:[^w])中表示否定(不包括的意思)——“反向选择”
> 放在表达式之前,表示以当前这个字符开始。(/^n/i,表示以n开头)。
注意,我们经常管””叫”跳脱字符”。用于转义一些特殊符号,如”.”,”/”
lookarounds分两种:lookaheads(正向预查 ?=)和lookbehinds(反向预查?<=)。
> 格式:
正向预查:(?=) 相对应的 (?!)表示否定意思
反向预查:(?<=) 相对应的 (?<!)表示否定意思
前后紧跟字符
123 4 5 6 7 8 9 | $regex = '/(?<=c)d(?=e)/' ; /* d 前面紧跟c, d 后面紧跟e*/ $str = 'abcdefgk' ; $matches = array (); } |
否定意义:
123 4 5 6 7 8 9 | $regex = '/(?<!c)d(?!e)/' ; /* d 前面不紧跟c, d 后面不紧跟e*/ $str = 'abcdefgk' ; $matches = array (); } |
>字符宽度:零
验证零字符代码
123 4 5 6 7 8 9 | $regex = '/HE(?=L)LO/i' ; $str = 'HELLO' ; $matches = array (); } |
打印不出结果!
123 4 5 6 7 8 9 | $regex = '/HE(?=L)LLO/i' ; $str = 'HELLO' ; $matches = array (); } |
能打印出结果!
说明:(?=L)意思是HE后面紧跟一个L字符。但是(?=L)本身不占字符,要与(L)区分,(L)本身占一个字符。
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)。
123 4 5 6 7 8 9 | $regex = '/^(Chuanshanjia)[ws!]+1$/' ; $str = 'Chuanshanjia thank Chuanshanjia' ; $matches = array (); } |
> 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)
123 4 5 6 7 8 9 | $regex = '/(?P<author>chuanshanjia)[s]Is[s](?P=author)/i' ; $str = 'author:chuanshanjia Is chuanshanjia' ; $matches = array (); } |
运行结果
格式:限定符?
原理:”?”: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。
先看下面的两个代码:
代码1.
123 4 5 6 7 8 | <?php $regex = '/heL*/i' ; $str = 'heLLLLLLLLLLLLLLLL' ; } |
结果1.
代码2
123 4 5 6 7 8 | <?php $regex = '/heL*?/i' ; $str = 'heLLLLLLLLLLLLLLLL' ; } |
结果2
代码3,使用“+”
123 4 5 6 7 8 | <?php $regex = '/heL+?/i' ; $str = 'heLLLLLLLLLLLLLLLL' ; } |
结果3
代码4,使用{3,5}
123 4 5 6 7 8 | <?php $regex = '/heL{3,10}?/i' ; $str = 'heLLLLLLLLLLLLLLLL' ; } |
结果4
格式:(?# 注释内容)
用途:主要用于复杂的注释
贡献代码:是一个用于连接MYSQL数据库的正则表达式
123 4 5 6 7 8 9 10 11 12 13 14 15 16 | $regex = '/ ^host=(?<!.)([d.]+)(?!.) (?#主机地址) | | (?!|)$/ix'; } |
特殊字符 | 解释 |
* | 0到多次 |
+ | 1到多次还可以写成{1,} |
? | 0或1次 |
. | 匹配除换行符外的所有单个的字符 |
w | [a-zA-Z0-9_] |
s | 空白字符(空格,换行符,回车符)[tnr] |
d | [0-9] |