正则表达式(第1部分) - 基本语法
文章目录
1.正则表达式基础知识
2.创建自己的模式
3.元字符如何工作
4.量化贪婪
5.模式修饰符
- PCRE与POSIX
7.全部放在一起
8.结论和未来教程
正则表达式基础知识
什么是正则表达式?
正则表达式(现在将被称为“正则表达式”)基本上是文本内部的模式匹配。它们使用特殊的语法和概念来从字符串中获取信息。许多编程语言都对正则表达式有某种支持,因为它们非常有用。不仅可以使用模式来验证字符串中是否存在某种模式,还可以使用它们来物理提取匹配的部分并使它们在PHP代码中可用。虽然本教程中没有提到它,但在阅读时请记住它,因为它是本系列下一个教程的主要焦点。
它们与常规字符串搜索功能有何不同?
像strpos()和str_replace()这样的常规字符串搜索功能在它们实际可以做的事情上非常有限。它们非常适合替换一个或两个字符,或者在配方中将“火腿”更改为“火鸡”,但这就是他们所能做的一切。如果你想查看一个字符串是否包含所有数字(并且可能用逗号分隔数字),你必须创建一些复杂的处理例程:
<span style="color:#333333"><span style="color:#666600"><?</span><span style="color:#000000">php
$ string </span><span style="color:#666600">= </span><span style="color:#008800">“731,489,392,222” </span><span style="color:#666600">; </span><span style="color:#000088">foreach </span><span style="color:#666600">(</span><span style="color:#000000">str_split </span><span style="color:#666600">(</span><span style="color:#000000">$ string </span><span style="color:#666600">)</span><span style="color:#000088">as </span><span style="color:#000000">$ char </span><span style="color:#666600">)</span><span style="color:#666600">{ </span><span style="color:#000088">if </span><span style="color:#666600">(!</span><span style="color:#000000">is_numeric </span><span style="color:#666600">(</span><span style="color:#000000">$ char </span><span style="color:#666600">)</span><span style="color:#000088">or </span><span style="color:#000000">$ str </span><span style="color:#666600">!= </span><span style="color:#008800">',' </span><span style="color:#666600">)</span><span style="color:#666600">{ </span><span style="color:#000000"> $ bad </span><span style="color:#666600">= </span><span style="color:#000088">true </span><span style="color:#666600">; </span><span style="color:#666600">} </span><span style="color:#666600">} </span><span style="color:#000088">如果</span><span style="color:#666600">(!</span><span style="color:#000000">$坏</span><span style="color:#666600">)</span><span style="color:#666600">{ </span><span style="color:#666600">... </span><span style="color:#666600">} </span><span style="color:#666600">?></span>
</span>
这就是正则表达式的力量发挥作用的地方。在分析某些模式和匹配的字符串方面,它们具有惊人的功能。
何必?我可以使解析例程做得很好。
这个问题实际上是第一次使用正则表达式用户的常见问题。正则表达式具有相当大的学习曲线,并且它们具有非常复杂的语法,但它们是使PHP能够根据需要精确处理数据的最有效方法之一。有时,正则表达式可以解析的数据和模式种类根本无法使用常规字符串处理函数进行模拟。一开始,正则表达式可能非常令人生畏,但是当它们被分解成单个部分并且分析它们的语法时,它们实际上非常简单。
那么,现在是时候学习如何创建自己的正则表达式了。
注意:本教程仅涵盖正则表达式语法。PHP中的实际模式匹配,替换和处理将在后续教程中介绍。此外,本教程集涵盖了Perl兼容的正则表达式(PCRE),原因将在后面讨论。
创建自己的模式
在我们开始解释正则表达式语法之前,首先看一下模式的样子是个好主意。模式必须始终具有开口分隔符和结束分隔符以“封闭”模式,以便引擎知道停止的位置以及将修改器与模式的其余部分分离,这将在本教程的后面讨论。最常见的分隔符是/,但通常建议使用一些不会在你的某个模式中结束的模糊字符(例如`,#或!)。对于本教程中的大多数示例,我将使用/作为我的分隔符,因为它是常规的,但您可以真正使用任何字符。既然我们已经将分隔符排除在外,那么让我们看一下最简单的模式。
<span style="color:#333333">/ ABC /</span>
当一个普通的字母显示在正则表达式中时,它被解释为 - 一个普通的字母。此模式将匹配包含该顺序中的'abc'的任何字符串。不是很有用,但它说明了一些基本原则。注意你想要匹配的部分('abc')是如何包含在分隔符中的?这就是每个模式必须格式化的方式,否则它根本不起作用。
不仅仅是简单的字母
能够在/ /内部抛出一些简单的字母很棒,但你可以使用你可靠的strpos()。正则表达式的真正力量来自于元字符。这些字符本身不匹配,但实际上“行为不端”。有些人行为不端,以至于他们实际上会导致其他角色行为不端。正则表达式中的元字符是:
<span style="color:#333333"> | 。()[] {} ^ $ +?</span>
为了实际匹配这些字符,您需要在它们之前添加反斜杠。因此,通过该语句,为了匹配文字。,您可以使用以下模式:
<span style="color:#333333">/./</span>
再次注意分隔符(/ /)和元字符之前的反斜杠“de-meta”它。但有一点值得注意的是,为了匹配文字反斜杠,你需要输入2个反斜杠,因为反斜杠本身就是一个元字符。
<span style="color:#333333">/ \ /</span>
元字符的工作原理
本节将完全致力于对每个元字符的深入解释,以及它们在模式中使用时的行为方式。
Catch-All Metacharacter(。)
The。实际上是一个非常简单的概念。的。元字符匹配除换行符( n)之外的任何字符,但可以修改(我们将在稍后解释)。一个简单的演示。在工作中将采用如下模式:
<span style="color:#333333">/ CT /</span>
这种模式可以匹配cat,cut,cbt,cet,czt,c4t等,但不是caat,因为模式中只有一个点(。)。重要的是要注意到这一点。只匹配一个字符,直到引入量词。
锚定元字符(^ $)
有时您需要确保字符串以某个字符开头或结尾。这就是^和$进来的地方。
^字符匹配字符串的起始点。它实际上并不匹配文字字符,而是匹配边界。要确保字符串以Z开头,您可以应用以下模式:
<span style="color:#333333">/ ^ Z /</span>
$字符本质上是一样的^字符,但它的匹配结束字符串。要确保字符串以ag结尾,您可以使用:
<span style="color:#333333">/ G $ /</span>
注意g之后的$是如何形成的,与^的模式不同。这是因为模式实际上是告诉正则表达式引擎“ag后跟字符串边界的结尾”,而不是相反。事实上,它没有多大意义,因为在字符串结束后你不能拥有字符。如果你有正则表达式多行模式,字符可以出现在$之后的唯一方法。稍后将在本教程中对此进行深入讨论,但请记住,^和$的含义有时会发生变化。
这两个元字符也可以在模式中同时使用,而事实上,这就是他们往往是如何被使用。它可能有助于展示一个例子:
<span style="color:#333333">/ ^ $ ABC /</span>
拆开后,这种模式非常简单。这是说一个字符串必须开始,然后匹配'abc',然后匹配结束。基本上,字符串必须是 'abc'才能匹配。
分组元字符(())
(和)字符都用于称为分组的概念中。(字符开始一个组,而)字符结束它。每一个(必须有一个结束)。
这不仅可以捕获以后要使用的内容,还可以使其他元字符在多个字符上运行。通常,每个字符都是它自己的小子模式,其他元字符可以在其上运行,但括号会改变它。它们允许制作更“复杂”的子模式。从现在开始对subpattern一词的任何引用都表示单个字符子模式或带括号的组。
现在显示的任何例子都是毫无意义的,但这里有一个:
<span style="color:#333333">/(ABC)/</span>
现在,这将与/ abc /相同,但在解释其他元字符后会发生变化。
分组的另一个用途是创建反向引用,实际上允许您根据先前捕获的组匹配内容。这在替代和更高级的语法中发挥作用,但要记住它。
量化元字符(* +?{})
量词是最重要的正则表达元字符之一。它们决定某个字母(或组!)可以或必须出现的频率。它们肯定使模式比仅匹配单个字符更具动态性。
*量词表示前面的子模式必须出现0次或更多次,这基本上意味着它可以出现,如果出现,那么它有多少并不重要。它通常用于计算字符串中的随机空格,但它也有其他用途。现在,让我们看一个简单的模式:
<span style="color:#333333">/ AB * C /</span>
这个模式会匹配ac,abc,abbc,abbbc等。如果你想让*操作多个字符,你需要使用前面提到的那些分组元字符(我告诉你它们会派上用场!):
<span style="color:#333333">/A B C D)*/</span>
这将匹配a,abcd,abcdbcd,abcdbcdbcd等。
+量词就像*一样运行,除了它规定前面的子模式必须出现一次或多次。它告诉引擎必须出现某个子模式,如果出现,它可以无限重复。
<span style="color:#333333">/c.+t/</span>
在这里,您可以看到量词的一些真正力量。在这种情况下,它们可以与任何字符一起使用,包括像点这样的元字符。这种模式可以匹配cat,caaaaat,cbbbajsduasuut,cjkallskt等。
的?quantier使前面的子模式可选,这意味着前面的组可以出现零次或一次。
<span style="color:#333333">/一个(BCD)?E /</span>
这将匹配abcde或ae,因为?使(bcd)子模式可选。
{和}元字符用于为子模式指定更精确的数量。他们有几种不同的语法选项来完成不同的事情,它们如下:
<span style="color:#333333">/ a(bcd){2} e / #matches abcdbcde因为{2}指定了完全匹配的2个
/ a(bcd){2,3} e /#匹配abcdbcde或abcdbcdbcde因为{2,3}表示2或3个匹配,包括
/ a(bcd){2,} e /#匹配任何字符串,a,'bcd'重复至少2次,和e。{2,}代表最低限度</span>
顺便说一句,你不能只指定最小值(如{,2})。如果你想要一个最大值,你可以说{1,max}。另外,一个有趣的说明是,所有其他量词都可以用{}来表示:
<span style="color:#333333">/ a(bcd)* e /等于/ a(bcd){0,} e /
/ a(bcd)+ e /等于/ a(bcd){1,} e /
/ a(bcd)?e /等于/ a(bcd){0,1} e /</span>
*,+和?然而,量词通常是可读性的首选。
重要的是要注意,如果不使用锚定元字符^和$,即使存在其他字符,模式也会将字符串中的匹配带回来。例如,在以下字符串中:
<span style="color:#333333">drtabcabcabcpdl</span>
以下模式确实会带来积极的匹配:
<span style="color:#333333">/ AB * C /</span>
如果您想确保字符串仅包含某个模式,则需要将其锚定:
<span style="color:#333333">/ ^ * AB C $ /</span>
现在模式只匹配a,任意数量的b和c。
交替元字符(|)
交替元字符基本上等同于或在PHP中(这就是为什么它看起来像||)。它告诉引擎匹配由|分隔的内容,从左到右。它在交替中找到某些东西的那一刻,就会爆发并继续使用该模式。您最常使用分组元字符来告诉| 哪些字符串实际操作,否则可能会产生意想不到的结果。交替元字符操作直到最内圈括号。
<span style="color:#333333">/(是)|(无)/</span>
这将完全匹配“是”或“否”,但如果省略分组,则可能会有不同的结果。强烈建议您跟踪分组的方式,因为它可以完全改变引擎对模式的看法。只是为了帮助您想象一个交替分组对于跟踪重要的示例,我将向您展示以下模式:
<span style="color:#333333">/概率| N | R | L |吃了/</span>
这种模式实际上匹配'prob','n','r','l'或'ate'。如果你想匹配遗嘱,内旋,按比例和长期,你会使用:
<span style="color:#333333">/亲(B | N | R | L)吃/</span>
字符类元字符([])
啊,最后我们到达了字符类。这些是非常强大的正则表达式概念,需要学习和理解,因此如果没有单击,请阅读本节几次。
字符类告诉引擎将[]中包含的任何字符匹配为一个字符。我认为最好从一个基本的例子开始,例如:
<span style="color:#333333">/ C [AEIOU]吨/</span>
这个正则表达式匹配cat,cet,cit,cot和cut,因为[aeiou]类包含c和t之间的那些字符。如果我将字符类更改为[au],它只会匹配cat和cut。现在,并不是说你不能用交替元字符来完成同样的事情,但它变得非常笨拙并且大部分字符类的“酷”功能(将在此之后将被覆盖)无法实现用它。之前的模式可能写成:
<span style="color:#333333">/ C(A | E |我| O | U)吨/</span>
但谁真的想打字呢?
关于字符类的很酷的部分是范围。在字符类中,您可以指定范围(以 - 分隔)以匹配。如果要匹配包含任意5位数字的字符串,可以编写以下模式:
<span style="color:#333333">/([0-9] {5})/</span>
可接受的范围是az,AZ,0-9,以及涉及某些字符的实际“值”的一些其他范围,但这有点高级。另一个重要的事情是,范围可以在一个类中“堆叠”。以下示例说明了这一点。
<span style="color:#333333">/ ^ [A-ZA-Z0-9 _] + $ /</span>
该模式将指示字符串必须包含任何数量的仅字母数字字符和下划线(_),因为锚点(^和$),量词(+)和字符类([a-zA-Z0- 9_])。
引擎还可以自动理解“快捷”字符类。它们如下:
<span style="color:#333333">/ d /#匹配任何数字
/ D /#匹配任何非数字
/ w /#匹配任何单词字符(包括下划线和数字,所以它就像[a-zA-Z0-9_])
/ W /#匹配任何非WORD字符
/ s /#匹配任何空格字符,如文字空格,制表符和换行符
/ S /#匹配任何非WHITESPACE字符</span>
这些快捷方式可以在实际字符类的内部和外部使用,这意味着它们可以出现在模式中的任何位置。
因此,有了这些知识,我们可以将“匹配5位数”模式缩短为:
<span style="color:#333333">/ d {5} /</span>
了解快捷方式,因为当您实际编写自己的模式时,它们会对您有所帮助。在字符类中使用快捷方式的示例是:
<span style="color:#333333">/ ^ [A-ZA-Z S] + $ /</span>
此模式将匹配包含az,AZ和任何空格字符的字符串。
还有其他一些细微的细微差别,你应该真正熟悉它们。如果一个字符类以^开头,它不再意味着字符串的开头,而是充当!(不)用PHP做。它否定了角色类。
<span style="color:#333333">/ C 1吨/</span>
那将匹配cbt,c $ t,c!t,crt等,但不是cat and cut。
另一个值得一提的有趣点是。在字符类中丢失其元字符属性,这意味着您可以将其用作类中的文字句点。
元字符结论
这只是对元字符的总结(还有一些涉及一些元字符的高级语法,但它没有什么可担心的)。请记住,所有这些元字符都可以在模式中一次使用,从而可以完全控制匹配字符串的方式。
量词贪婪
我觉得这个话题应该有自己的一页。当使用量词时,有一个被称为贪婪和懒惰的概念,这可能会使新手对正则表达式造成很大的混淆。
什么是贪婪?
贪婪是引擎如何解释量词的“管辖权”。让我建立一个快速方案:
你有字符串'exasperate'。您在其上运行以下模式:
<span style="color:#333333">/e(.*)e/</span>
信不信由你,但是(。*)实际上匹配的是xasperat而不是xasp,正如您所想的那样。量词的常规行为是尽可能多地吞噬字符,因此贪婪。它想要抓住尽可能多的角色并且仍然匹配。这就是为什么它在激烈的情况下直接超过第二个e并继续匹配,直到它达到最后可能的e。
使匹配
变为懒惰此默认行为可以通过添加?来更改?量词之后。为了在前一个场景中让(。*)匹配'xasp',您可以使用:
<span style="color:#333333">/e(.*?)e/</span>
这告诉引擎在比赛中取得成功所需的数量,仅此而已。你可能会看到贪婪被反击的另一种方式是使用负面角色类,但只有在你想要防止贪婪的时候只有一个角色才有效。例如,在HTML匹配模式中,您希望将文本放在某个<p>标记中,这恰好恰好跟随另一个<p>,就像在这个小小的片段中一样:
<span style="color:#333333"><p id =“test”> p1 </ p> <p id =“test”> p2 </ p></span>
你可以写这样的模式:
<span style="color:#333333">!<p id =“test”>(。+)</ p>!</span>
毫不奇怪,这会吞噬BOTH <p>标签,即使它与结束标签真的不匹配。引擎没有意识到这一点,它喜欢贪婪,所以它确实如此。您可以将模式重写为:
<span style="color:#333333">!<p id =“test”>(。+?)</ p>!</span>
或者,您可以使用负字符类并说:
<span style="color:#333333">!<p id =“test”>(2 +)</ p>!</span>
后者在执行速度方面通常略快,但可能更难以理解。
负面字符类的另一个重要用途是当您尝试从特定HTML标记的属性中获取信息时。以下模式将获得img标记的src属性。
<span style="color:#333333">!<img(。+?)src =“(3 +)“(。*?)/>!</span>
现在,这是一个非常复杂的模式,但是当你把它分解时,它实际上非常简单。首先,您希望匹配文字模式'<img'。然后,您匹配任意数量的字符(非贪婪),直到您到达src属性。然后,您使用负字符类(4 +)以获取到结尾的所有内容”。然后你有任意数量的字符,然后是关闭img标签的标准方法。
贪婪和懒惰的概念对于学习是非常重要的,以便在我们实际使用匹配的模式时获得您想要的结果(实际上这是下一个教程的主题)。在您完全理解该概念之前,请多次重读此页面。
模式修饰符
还记得我在谈论为什么正则表达式必须有分隔符的原因吗?它不仅包含正则表达式,而且还允许使用在结束分隔符之后的特殊模式修饰符。这些允许您修改引擎实际查看模式的方式。在本节中,我将介绍匹配正则表达式中常用的每个修饰符。在下一个教程中,当涵盖替换时,我将介绍用于替换的修饰符,因为存在一些差异。
不敏感修饰符(i)
如果使用// i修饰符,则为整个正则表达式启用不区分大小写。例如,以下正则表达式:
<span style="color:#333333">/超/</span>
那将匹配'超级',但不是'SuPeR'或'超级'。为了使它与所有这些可能性相匹配,您可以使用大量的替换或一些聪明的角色类,或者您可以只应用i修饰符:
<span style="color:#333333">/超/ I</span>
注意我是如何在结束分隔符后去的。
Newline Match Modifier(s)
当我解释Catch-All Modifier时,我说它不会与换行符匹配。// s修饰符允许它这样做。请考虑以下情形。
您有一个包含以下内容的文件:
<span style="color:#333333">某物
//开始
东西!
更多东西......
//结束</span>
如果你想要这两个注释之间的所有内容(// start和// end),你会像这样写你的正则表达式:
<span style="color:#333333">!//开始(。+?)//结束!小号</span>
现在,密切关注我的所作所为。因为我实际上需要在我的模式中使用/字符,所以将它用作分隔符是没有意义的,因为每次我使用它时都需要进行转义(/ / / start(。+?) / / end / s),它非常难以阅读,因此我使用感叹号作为分隔符。最后的s修饰符允许模式匹配两个注释之间的所有内容,即使它们位于不同的行上。
多线模式修改器(m)
这个修饰符有点奇怪,说实话。它实际上改变了这两个锚定元字符(^和$)的行为。通常,它们分别在字符串的开头和结尾处匹配,但是使用// m修饰符,它们实际上匹配 n(换行符)。您可能不会经常发现自己使用它,除非您可能希望确保文件中的每一行例如每行只有5位数:
<span style="color:#333333">/ ^ d {5} $ /米</span>
自由空间修改器(x)
这是一个高级修改器,它使引擎忽略正则表达式中的任何空格。这允许您在正则表达式中实际创建注释并自由地将其放置以使其更容易在眼睛上。例如,下面的正则表达式(它说明了一些我尚未解决的概念,但不要担心它,它只是为了演示自由间距):
<span style="color:#333333">/ B( W S +)( S + 1)+ B / I</span>
可以写成:
<span style="color:#333333">/
/ b #word边界
(\ w \ S +)#word“chunk”
(
\ s + #whitespace
\ 1#同义词“chunk”
)+ #repeat如有必要
\ b #boundary
/ XI</span>
当然更具可读性,对吧?注释可以放在行尾,带有#,然后是你的备注。
在哪里可以找到更多修饰符
您可以随时查看http://us3.php.net/manual/en/...,以查看每个支持的模式修饰符。其中许多很难使用,所以我认为没有必要向你展示它们,但是如果需要查看它们,你可以在那个页面上进行。请记住,当您对某些事情有疑问时,请务必查阅手册。另外,请记住,实际上只有替换时才能使用修饰符,我将在下一个教程中介绍它,因为你无法真正想象它能做什么。
PCRE与POSIX
这更像是我认为应该涵盖的教程的技术部分(感谢zanus!)。实际上,如果你愿意的话,PHP支持的正则表达式有两种“风格”。它们是Perl兼容的正则表达式(PCRE)和POSIX扩展正则表达式。PCRE比POSIX强大得多,它可以做到POSIX根本无法接近的更多东西。它们在语法上非常相似(大多数情况下,直到你获得高级语法,这将在后面的教程中),但PCRE具有更多功能。我想我会在这里概述一些差异,所以你知道为什么你应该学习PCRE而不是POSIX。
二进制数据
PCRE可用于二进制数据,而POSIX则不能。PCRE可以与任何字符串的所有单个字节和字符一起使用,无论是文本还是二进制,这都是一个巨大的优势。
Speed
POSIX有可能比PCRE慢得多。我不打算比这更详细,因为我宁愿不要混淆别人。
修饰符和分隔符
POSIX不支持其模式上的任何修饰符,但它们也不使用像PCRE这样的分隔符。你对POSIX唯一的选择是不区分大小写,但它甚至使用了一个完全不同的功能,我几乎无法称之为最佳功能。PCRE的修饰符以无数种方式扩展了正则表达式语言的功能。
PHP6中
的弃用这是不使用POSIX的最重要原因之一。POSIX正则表达式和相关函数(ereg(),eregi(),ereg_replace()和eregi_replace())将不再是PHP6的一部分。它们只能通过PECL扩展(基本上是直接用C语言编写的PHP扩展用于优化)。许多人将无法添加此扩展,尤其是在共享主机上,因此POSIX几乎无法学习。
Perl
PCRE正则表达式中的可用性是在Perl的正则表达式引擎(因此Perl-Compatible)之后建模的,并且通常可以直接移植到Perl,前提是您知道如何在Perl中实际使用正则表达式。当今许多支持正则表达式的语言也使用某种形式的PCRE,因此您只需要学习一种正则表达式,以便在许多不同的语言中使用它。
全部放在一起
好了,现在我们已经完成了基本语法,我将为您分析一些示例模式,然后向您展示它们的确切功能。
<span style="color:#333333">/ ^ W +:( S + W +) S + d + $ /米</span>
在每一行上匹配单词,冒号,空格,单词,空格和一些数字
<span style="color:#333333">/亲(B | N | R | L)吃/ I</span>
匹配遗嘱,内旋,按比例分配,长期分配,无区分大小写
<span style="color:#333333">/ ^ [+ - ]? d + $ /</span>
匹配一个整数,前面可以有+或 - (甚至没有)。它也可以有前导零,因为0包含在 d中。
<span style="color:#333333">〜//开始 N(。+?) n //结束〜是</span>
匹配//开始,换行,任意行数(// s修饰符),换行符和//结束的任意数量的字符
这些只是一些示例模式。当我进入高级语法时,您将能够创建更复杂的模式,例如:
<span style="color:#333333">/( d)( d {3})(?! d)/
替换:1美元,2美元</span>
我希望其中一些基本模式让你对追求正则表达式更感兴趣。;)
结论和未来的教程
本教程旨在成为最基本的正则表达式语法的(综合)教程。还有更多高级概念,但这可能是本集中第3或第4个教程的主题。下一个教程将涉及在PHP中实际应用这些模式,创建匹配并使用分组元字符来创建匹配组,替换以及与PHP中正则表达式使用直接相关的一些其他概念。然后,我将介绍所有高级概念,以帮助您创建更高效,更具体的模式。
为了向您展示正则表达式的实用程序,我实际上必须使用一个来更正我用来向您显示正则表达式的一些标记。看起来有点像这样:
<span style="color:#333333">! [代码(= PHP)?](。+?) [/代码]!是</span>
它找到了我的所有代码标签,因此我可以轻松地使用替换模式将它们变成适当的标签。;)
评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论