自学php-正则表达式

正则表达式：用来描述字符串结构的语法规则，是一个特定的格式化模式，可以匹配、替换、截取匹配的字串；php支持POSIX和PCRE两种格式的正则表达式；

正则表达式中的术语：

grep:最初是ED编辑器中的一条命令，用来显示文件中特定的内容，后来成为一个独立的工具grep；

egrep：grep的扩展，大大增强了正则表达式的能力；

POSIX：可移植操作系统接口，是一系列标准，确保了操作系统之间的可移植性，并不是最终的标准只是一个参考；

Perl：实际抽取与汇报语言，POSIX之后的另一个标准；

PCRE：兼容Perl正则表达式的一套正则引擎，开发人员可以将其整合到php以及其他语言中，为用户提供丰富的正则功能；

正则表达式语法规则：有两部分构成：元字符和文本字符；元字符就是具有特殊含义的字符，如：”*“、”？“；文本字符就是普通的文本，如：字母和数字；PCRE风格的正则表达式一般都放置在定界符”/“中间；如：”/\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*/“;为了方便阅读，以下的正则表达式将省略定界符”/“：

行定位符：（^和$）：用来描述子串的边界；^表示行的开始；$表示行的结尾；如：

^tm:该表达式表示要匹配字串tm的开始位置是行头，如：tm equal Tomorrow Moon可以匹配，而Tomorrow Moon equal tm则不行；但是如果使用：

tm$则可以匹配后者而不可以匹配前者；如果要匹配任意位置的字串，就直接使用  tm；

单词定界符（\b、\B）:上面的例子可以看出tm可以将类似html、utmost中的tm查找出来，但如果需要匹配的是单词tm而不是单词的一部分，就需要使用分界符\b，表示查找完整的单词；如：\btm\b

大写的\B意思和\b相反，不匹配完整的单词而是匹配单词或字串的一部分；

字符类（[]）:正则表达式是区分大小写的，如果不区分就需要使用"[]"，但是一个[]只能匹配一个字符；例如：要匹配tm不区分大小写就需要这样写：[Tt][Mm];   POSIX和PCRE都使用了一些预定义字符类，但表达方法略有不同；如：部分POSIX风格的预定义字符类：

[:digit:]:十进制数字集合，等同于[0-9];

[[:alnum:]]:字母和数字集合，等同于[a-zA-Z0-9];

[[:alpha:]]:字母集合，等同于[z-zA-Z]；

...

PCRE风格的预定义字符类使用反斜线表示；

选择字符（|）:实现如上例的匹配，该字符可以理解为‘或’，如：上例也可以写成：（T|t）（M|m）;该表达式的意思是以字母T或t开头，后面接一个字母M或m；区别于[]：使用 [] 只能匹配单个字符，而 | 可以匹配任意长度的字串；上例还可以写成：TM|tm

|Tm|tM;

连字符（-）：可以表示字符的范围：如：[a-zA-Z]

排除字符（[^]）:上面的 - 是匹配符合命名规范的变量，^ 匹配的就是不符合命名规范的变量；如：[^a-zA-Z];

限定符（？*+{n,m}）:对于重复出现的字母或字串，可以使用限定符匹配；主要有以下六种：

？：匹配前面的字符0次或1次；如：colou？r，该表达式可以匹配colour和color;

+ ：匹配前面的字符1次或多次；如：go+gle,该表达式可以匹配的范围从gogle到goo...gle;

*   :匹配前面的字符0次或多次；如：go*gle,该表达式可以匹配的范围从ggle到goo...gle;

{n} :匹配前面的字符n次；如：go{2}gle，该表达式只匹配google；

{n,}：匹配前面的字符最少n次；如：go{2,}gle，该表达式可以匹配的范围从google到goo...gle；

{n,m}：匹配前面的字符最少n次，最多m次；如：employe{0,2}，该表达式可以匹配employ、employe和employee，3种情况；

点号字符（.）:可以匹配除了换行符外的、任意的、一个字符；如：匹配以s开头、t结尾、中间包含一个字母的单词；格式为：

^s.t$;  匹配的字符包括sat、set、sit等；

转义字符（\）：和php中的转义字符类似，为了将特殊的字符变为普通字符；例如：[0-9]{1,3}(\.[0-9]{1,3}){3}; 说明：括号在正则表达式中也算是一个元字符；

反斜线”\“：除了做转义字符外，反斜线还有其他功能：

可以将一些不可打印字符显示出来；如：\a  警报，即ASCII中的<BEL>字符（0x07）；.....具体参考手册；

还可以指定预定义字符集；如：\d 任意一个十进制数字，相当于[0-9]；\D 任意一个非十进制数字；....参考手册

还有一种就是定义断言；如：\b 单词分界符，用来匹配字符串中的某些位置，\b是以统一的分界符来匹配；.....参考手册

括号字符（()）：

第一个作用：可以改变限定符的作用范围；如：”|“、"*"、”^“等，例子如：(thir|four)th;这个表达式的意思是匹配单词thirth或fourth，如果不使用括号就变成了匹配单词thir和fourth；

第二个作用：分组；也就是子表达式；如(\.[0-9]{1,3}){3}就是对(\.[0-9]{1,3})进行重复操作；与分组有关的还有反向引用、捕获、断言等；

反向引用：就是依靠子表达式的记忆功能来匹配连续出现的字串或字母；如：匹配连续两个it首先将单词it作为分组，然后在后面加上”\1“即可；格式为：（it）\1 ；如果要匹配的字串不固定，那么就将括号内的字串写成一个表达式，如果使用了多个分组就可以使用”\1“、"\2"来表示每个分组（顺序是从左到右）；如：([a-z])([A-Z])\1\2 ,除了可以使用数字来表示分组外还可以自定义；

捕获：在使用反向引用时捕获功能就已经开启，就是将不同的分组自动保存到元字符”\1“,"\2"中，使用时直接调用即可；捕获功能很方便但是耗内存，减慢执行速度，如果不想使用捕获功能，可以使用仅有分组功能的非捕获括号（？：...）;以表达式([a-z])([A-Z])\1\2
为例，使用非捕获括号格式如下：(?:(?:[a-z])(?:[A-Z])){2}

断言：（环视）：也是用来匹配表达式的一种语法，但是不会占有匹配的字串，而是对当前匹配字串的位置进行匹配（真正匹配的是字串的位置）；环视分为顺序环视和逆序环视：

顺序环视：从左到右查看字符串，匹配字串最左边的位置；语法如下：（?=···）如：\s(?=is)和(?=is)ister，\s代表空白字符；在”This is a register book.“这句话中，两个表达式匹配的分别是：This is中间的空格和register的ister部分；即一个匹配的是空格，一个是字串ister；

逆序环视：从右到左查看字符，匹配字串最右边的位置；语法为：(?<=···)仍以上例来说明，这两个逆序环视表达式(?<=is)\sis和regis(?<=is)的匹配结果为：\sis和regis

模式修饰符：[/b]作用是模式设置，也就是规定正则表达式应该如何解释和应用；php中的主要模式为：

i：表达式写法(?i)···(?-i)、(?i:···)；忽略大小写模式；

M：(?m)···(?-m)、(?m:···)；多文本模式；即字串内部有多个换行符时，影响”^“和”$“的匹配；

s：(?s)···(?-s)、(?s:···);单文本模式；此模式下，元字符点号（.）可以匹配换行符，其他模式不能匹配换行符；

X：(?x)···(?-x)、(?x:···)；忽略空白字符；

模式修饰符既可以写在正则表达式内也可写在外面；如忽略大小写模式，可以写为：/tm/i、(?i)tm(?-i)、(?i:tm)3种格式；

正则表达式的学习与应用较难理解，慢慢学习；