正则表达式

正则表达式(PCRE)

引入

正则表达式(regular expression)描述了一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。

语法规则

正则表达式描述了一类字符串的特征。由普通字符和特殊字符组成的字符串.

'/a/'
// 正则表达式'/a/'
// 定界符：/
// 普通字符:a
// 元字符（上面式子没有）: * + ？ 等

定界符

// 习惯性使用的是正斜线 /
// 还有下面的也是可以的，不过前后必须一致
#,!,{},|
// 除了字母数字反斜线，其他的都可以作为定界符。

普通字符

普通字符没有特殊意义

a-z A-Z 0-9 "" ''等，不用转义字符转义。

元字符

字符	描述
\	转义字符，使符号正常输出或者使用特殊字符
^	匹配输入字符串的开始位置。如果是出现'\n'的话，每一个'\n'产生的新的一行都算是新的一行，匹配时都每个'\n'的行首都会被这配对的规则匹配！
$	匹配输入字符串的结束位置。
*	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" 。? 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'。再举个常见的例子：贪婪匹配：.* 惰性匹配：.*?
.	匹配除换行符（\n、\r）之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用像”(.\|\n)”的模式。(也就是使用了或语法，使得能匹配所有的字符……)
(pattern)	匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '$' 或 '$'。括号，和其数学算术的差不多，独立出来，相当于独立空间了。下面的\\num就是对括号的一个补充。
\\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' 匹配的是第一个圆括号所匹配到的内容，对应的值两个连续的相同字符。可以用来匹配网页标签。具体示范在下面有。
(?: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)	正向肯定预查（look ahead positive assert），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"Windows2000"中的"Windows"，但不能匹配"Windows3.1"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。这个看文字理解很有难度，其实说简单点，查到了，我存着，要用再调用。正则表达式是通用的，python也有这个语法。
(?!pattern)	正向否定预查(negative assert)，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"Windows3.1"中的"Windows"，但不能匹配"Windows2000"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)	反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。例如，”(?<=95\|98\|NT\|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"3.1Windows"中的”Windows”。
(?<!pattern)	反向否定预查，与正向否定预查类似，只是方向相反。例如”(?<!95 \|\98\|NT\|2000)Windows"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows"。
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'、'l'、'i'、'n'。
[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。
\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。
\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。换行上面也有提到，是另外起一行的意思，每行都会被^的行首匹配到。> 说的再清晰点， ^ 匹配的地方，就是\n的后面那部分后面即开头嘛。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\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'。
\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]。
\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]。
\w	匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。
\W	匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。
\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。
\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。
\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 (?)。

圆括号匹配


关于 (元素)... \\1 的成对匹配的匹配模式理解如下

$pattern = '/<([a-zA-Z]*)>[a-zA-Z\s\S]*?<\/\\1>/';
$str = '<div>Hello world!</div>';
preg_match_all($pattern, $str, $arr);
print_r($arr);

返回结果：
Array
(
    [0] => Array
        (
            [0] => <div>Hello world!</div>
        )

    [1] => Array
        (
            [0] => div
        )

)

正则表达式-修饰符

模式修正符是在正则表达式的定界符之后使用的，可以调整正则表达式的解释，扩展正则表达式在匹配、替换等操作时的某些功能，增强正则表达式的处理能力。

常见模式修饰符

i : 在和模式进行匹配时不区分大小写
m : 多行匹配，如果目标字符串中没有 “\n” 字符,或者模式中没有出现 ^或$ ,设置这个修饰符 不产生任何影响
s : 如果设定了此修正符，那么"."将匹配所有的字符包括换行符
U : 禁止贪婪匹配

模式修正符放置的位置：放在正则表达式最后一个定界符的后面
如下,调用修正符i，使得匹配结果不区分大小写：
$regula = '/test/i';

与正则表达式配合的函数

函数	描述
preg_filter	执行一个正则表达式搜索和替换
preg_grep	返回匹配模式的数组条目
preg_last_error	返回最后一个PCRE正则执行产生的错误代码
preg_match_all	执行一个全局正则表达式匹配
preg_match	执行一个正则表达式匹配
preg_quote	转义正则表达式字符
preg_replace_callback_array	执行一个正则表达式搜索并且使用一个回调进行替换
preg_replace_callback	执行一个正则表达式搜索并且使用一个回调进行替换
preg_replace	执行一个正则表达式的搜索和替换
preg_split	通过一个正则表达式分隔字符串

搜索替换

目的是使用正则表达式替换掉后面的原始字符串。

preg_filter (“正则表达式”,”替换字符串”,”原始字符串”);

<?php
echo preg_fileter("/\d/","A","123");
// 返回：AAA
这个函数还能匹配数组，暂时略过。
?>

匹配所有的符合正则表达式的数据

preg_match_all (“正则表达式”,”原始字符串”[,$arr[,$flags[,$offset]]]);

$arr是存储结果的数组。
$flags=PREG_OFFSET_CAPTURE\(预定义常量，返回正则表达式匹配结果的下标，会存储在同一个字符串当中。他们称它 偏移量 \);
$offset是控制查询的起始位置的，且单位为字节。

$flags的参数被称为 PREG 常量 ，具体请参照菜鸟教程

搜索和替换(preg_replace)

preg_replace ：搜索和替换所有的符合正则表达式的字符串，一般前面无法直接解决的直接使用这个。

参数1：正则表达式
参数2：要替换成的字符串
参数3：目标字符串
剩下是可选参数
参数4：匹配次数，默认-1（无限次）
参数5：存储可匹配的次数，是一个变量。也就是替换了几次这里就显示几次。

$str2 = 'wewewew  <div>123eewwees</div>  cwwe';
$pattern = '#<div>.*?</div>#m';
$str1 = '<a>前路漫漫</a>';
// $str1可以使用'<a>\\1</a>'的形式获取前面圆括号匹配成功的字符串
$strs1 = 'www';
if (preg_match($pattern, $str2, $arr)) {
    var_dump($arr);
    var_dump(preg_replace($pattern, $str1, $str2));
} else {
    echo "对不起，没找到！";
}
var_dump($str2);
// 返回显示
array(1) {
  [0]=>
  string(21) "<div>123eewwees</div>"
}
string(34) "wewewew  <a>前路漫漫</a>  cwwe"
string(36) "wewewew  <div>123eewwees</div>  cwwe"

这里，引用下官网的解释

preg_replace(
    string|array $pattern,
    string|array $replacement,
    string|array $subject,
    int $limit = -1,
    int &$count = null
)

$replacement
    用于替换的字符串或字符串数组。
    如果这个参数是一个字符串，并且 pattern 是一个数组，那么所有的模式都使用这个字符串进行替换。
    如果 pattern 和 replacement 都是数组，每个 pattern 使用 replacement 中对应的元素进行替换。（这点很重要）
    如果 replacement 中的元素比 pattern 中的少，多出来的 pattern 使用空字符串进行替换。

    replacement 中可以包含后向引用 \\n 或 $n，语法上首选后者。 
    每个这样的引用将被匹配到的第 n 个捕获子组捕获到的文本替换。 n 可以是0-99，\\0 和 $0 代表完整的模式匹配文本。捕获子组的序号计数方式为：代表捕获子组的左括号从左到右， 从1开始数。
    如果要在 replacement 中使用反斜线，必须使用 4 个("\\\\"，译注：因为这首先是 PHP 的字符串，经过转义后，是两个，再经过正则表达式引擎后才被认为是一个原文反斜线)。 

    当在替换模式下工作并且后向引用后面紧跟着需要是另外一个数字 (比如：在一个匹配模式后紧接着增加一个原文数字)，不能使用 \\1 这样的语法来描述后向引用。比如，\\11将会使preg_replace() 不能理解你希望的是一个 \\1 后向引用紧跟一个原文 1，还是一个 \\11 后向引用后面不跟任何东西。 这种情况下解决方案是使用 ${1}1。这创建了一个独立的 $1 后向引用, 一个独立的原文 1。
    (个人看法：从上面的释义可以衍生出一个东西：使用\\1或者$1时，最好带上{},避免歧义。)

limit
    每个模式在每个 subject 上进行替换的最大次数。默认是 -1(无限)。
count
    如果指定，将会被填充为完成的替换次数。