PHP正则表达式基础和应用

常用元字符

元字符	描述
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意空白符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束
-	表示范围
[]	匹配括号中的任意一个字符
*、+、？	量词
\W	匹配任意不是字母、数字、下划线、汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
[^x]	匹配除x以外的任意字符
[^aeiou]	匹配除了aeiou这几个字母以外的任意字符

常用分组语法

类别	代码/语法	描述
捕获	(exp)	匹配exp，并捕获文本到自动命名的组里
(?<name>exp)	匹配exp，并捕获文本到名称为name的组里，也可以写成(?'name'exp)
(?:exp)	匹配exp，不捕获匹配的文本，也不给此分组分配组号
零宽断言	(?=exp)	匹配exp前面的位置
(?<=exp)	匹配exp后面的位置
(?!exp)	匹配后面跟的不是exp的位置
(?<!exp)	匹配前面不是exp的位置
注释	(?#comment)	​提供注释辅助阅读，不对正则表达式的处理产生任何影响

懒惰限定符

懒惰限定符代码/语法	描述
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

正则表达式的常用模式

忽略大小写模式（i）：正则匹配将不区分待匹配内容的大小写

多行模式（m）：多行匹配，^　可以匹配字符串开头（字符串的开始位置），也可以匹配行的开头（即换行符\n之后的位置）；$　可以匹配字符串结尾（字符串的结束位置）, 也可以匹配行的结尾（即换行符\n之前的位置）；
\r 匹配 [CR]、\n 匹配[LF] <—— CR为回车 LF为换行

字符串多个段落，比如

ab

cd

e

在windows操作系统中其实是：ab[CR][LF]cd[CR][LF]e

点号通配模式（s）：使点号元字符可以匹配换行符

懒惰模式（U）：懒惰匹配

结尾限制（D）：如果使用$限制结尾字符，则不允许结尾有换行

支持UTF-8转义表达式（u）：使用u修饰符，就可以使用UTF-8的转义表达，例"/^[\x{4e00}-\x{9fa5}]+$/u"

正则表达式的效率和优化
1）使用字符组代替分支条件
2）优先选择最左端的匹配结果
3）标准量词是匹配优先的
4）谨慎用点号元字符，尽可能不用星号和加号这样的任意量词
5）尽量使用字符串函数处理代替
6）合理使用括号
7）起始、行描点优化
8）量词等价转换的效率差异
9）对打而全的表达式进行拆分
10）使用正则以外的解决方案（PHP的字符串函数、PHP的Tokenizer系列函数、PHP的url函数及一些http函数、PHP的filer系列函数、JavaScript的DOM模型）

转义在数据安全中的应用
php中 htmlspecialchars() 函数 把代码中的特殊字符转为HTML实体
过滤所有HTML标签 <\/?[^>]+>
php中 strip_tags() 函数用于从字符串中去除HTML和PHP标记，仅保留参数中指定的标签
PHP中 addslashes() 函数返回一个字符串，该字符串为了数据库查询语句等的需要在某些字符前加上了反斜线

URL重写两种实现方式
1.纯代码实现，通过解析 PATH_INFO 实现
2.服务器实现，如利用 Apache 的 mod_rewrite 模块实现
​Apache 开启 Rewrite 模块

​设置 AllowOverride All 的目的是让 .htaccess 文件生效

​新建一个 .htaccess 文件。 .htaccess 文件是 Apache 中重要的配置文件，其格式为纯文本

.htaccess 中的代码
1）打开运行时重写功能
RewriteEngine on
2）建立重写规则
RewriteRule index.html index.php
RewriteRule list-([A-Z]+)\.html $list.php?mode=$1 [NC]

URL重写给网站带来的好处
1）有利于搜索引擎的抓取
2）用户更容易记忆
3）影藏实现技术