PHP中的正規表達式

PHP繼承*NIX的一貫傳統，完全支援正規表達式的處理。正規表達式提供了一種高級的，但不直觀的字串匹配和處理的方法。用過PERL的正規表達式的朋友都知道，正規表達式的功能非常強大，但學起來不是那麼容易。 
例如：

^.+@.+..+$    

這段有效卻難以理解的程式碼足以讓一些程式設計師頭痛（我就是）或讓他們放棄使用正規表達式。相信當你讀完這個教學後，就可以理解這段程式碼的意思了。

基本模式匹配

一切從最基本的開始。模式，是正規表達式最基本的元素，它們是一組描述字串特徵的字元。模式可以很簡單，由普通的字串組成，也可以非常複雜，往往用特殊的字元表示一個範圍內的字元、重複出現，或表示上下文。例如：

^once    

這個模式包含一個特殊的字元^，表示模式只符合那些以once開頭的字串。例如該模式與字串"once upon a time"匹配，與"There once was a man from NewYork"不匹配。正如如^符號表示開頭一樣，$符號用來匹配那些以給定模式結尾的字串。

bucket$    

這個模式與"Who kept all of this cash in a bucket"匹配，與"buckets"不匹配。字元^和$同時使用時，表示精確匹配（字串與模式一樣）。例如：

^bucket$    

只符合字串"bucket"。如果一個模式不包括^和$，那麼它與任何包含該模式的字串相符。例如：模式

once    

與字串

There once was a man from NewYork
Who kept all of his cash in a bucket.

是相符的。

在該模式中的字母(o-n-c-e)是字面的字符，也就是說，他們表示該字母本身，數字也是一樣的。其他一些稍微複雜的字符，如標點符號和白字符（空格、製表符等），要用到轉義序列。所有的轉義序列都用反斜線()打頭。製表符的轉義序列是：t。所以如果我們要偵測一個字串是否以製表符開頭，可以用這個模式：

^t    

類似的，用n表示“新行”，r表示回車。其他的特殊符號，可以用在前面加上反斜杠，如反斜杠本身用表示，句號.用.表示，以此類推。

字符簇

在INTERNET的程式中，正規表達式通常用來驗證使用者的輸入。當使用者提交一個FORM以後，要判斷輸入的電話號碼、地址、EMAIL地址、信用卡號碼等是否有效，用普通的基於字面的字元是不夠的。

所以要用一種更自由的描述我們要的模式的辦法，它就是字符簇。要建立一個表示所有元音字符的字符簇，就把所有的元音字符放在一個方括號裡：

[AaEeIiOoUu]    

這個模式與任何元音字符匹配，但只能表示一個字符。用連字號可以表示一個字的範圍，如：

[a-z]    //配對所有的小寫字母   

[A-Z]    //符合所有的大寫字母   

[A-Z]    //符合所有的大寫字母字母   

[0-9]    //配對所有的數字   

[0-9.-]    //配對所有的數字，句號與減號，這些也只表示一個字符，這是一個非常重要的。如果要符合一個由一個小寫字母和一位數字組成的字串，例如"z2"、"t6"或"g7"，但不是"ab2"、"r2d3" 或"b52"的話，用這個模式：

^[a-z][0-9]$    

儘管[a-z]代表26個字母的範圍，但在這裡它只能與第一個字符是小寫字母的字符串匹配。

前面曾經提到^表示字串的開頭，但它還有另外一個意義。當在一組方括號裡使用^是，它表示「非」或「排除」的意思，常常用來剔除某個字元。還用前面的例子，我們要求第一個字元不能是數字：

^[^0-9][0-9]$    

這個模式與"&5"、"g7"及"-2"是匹配的，但與"12"、"66"是不匹配的。以下是幾個排除特定字元的例子：

[^a-z]    //除了小寫字母以外的所有字元   

[^/^]    //除了"/"和"^" [^"']    //除了雙引號(")和單引號(')之外的所有字元   

特殊字元"." (點，句號)在正規表達式中用來表示除了「新行」之外的所有字元。所以模式"^.5$"與任何兩個字元的、以數字5結尾和以其他非「新行」字元開頭的字串相符。模式"."可以符合任何字串，除了空字串和只包括一個「新行」的字串。

PHP的正規表示式有一些內建的通用字元簇，清單如下：

字元簇   意義   

[[:alpha:]]    任何字母alnum:]]    任何字母與數字   

[[:space:]]    任何白字   

[[:upper:]]]    unct :]]    任何標點符號   

[[:xdigit:]]    任何16進位的數字，相當於[0-9a-fA-F]    

確定重複出現

到現在如何匹配一個字母或數字，但更多的情況下，可能要匹配一個單字或一組數字。一個單字有一個字母組成，一組數字有一個單數組成。跟在字元或字元簇後面的花括號({})用來確定前面的內容的重複出現的次數。

字符簇   含義   

^[a-zA-Z_]$    所有的字母和底線   

^[[:alpha 

^a{4}$    aaaa    

^a{2,4}$    aa,aaa或aaaa    

^a{1,3}$兩個a的字串   

^a{2,}    如：aardvark和aaab，但apple不行   

a{2,}    如：baad和aaa 

a{2,}    如：baad和aaa 

.{2}    所有的兩個字元   

這些例子描述了花括號的三種不同的用法。一個數字，{x}的意思是「前面的字元或字元簇只出現x次」；一個數字加逗號，{x,}的意思是「前面的內容出現x或更多的次數」；兩個用逗號分隔的數字，{x,y}表示「前面的內容至少出現x次，但不超過y次」。我們可以將模式擴展到更多的單字或數字：

^[a-zA-Z0-9_]{1,}$    //所有包含一個以上的字母、數字或底線的字串   

^[0 -9]{1,}$    //所有的正數   

^-{0,1}[0-9]{1,}$    //所有的整數   

^-{0,1}[0- 9]{0,}.{0,1}[0-9]{0,}$    //所有的小數   

最後一個例子不太好理解，是嗎？這麼看吧：與所有以一個可選的負號(-{0,1})開頭(^)、跟著0個或更多的數字([0-9]{0,})、和一個可選的小數點(.{0,1})再跟上0個或多個數字([0-9]{0,})，並且沒有其他任何東西($)。下面你將知道能夠使用的更簡單的方法。

特殊字元"?"與{0,1}是相等的，它們都代表著：「0個或1個前面的內容」或「前面的內容是可選的」。所以剛才的例子可以簡化為：

^-?[0-9]{0,}.?[0-9]{0,}$    

特殊字元"*"與{0,}是相等的，它們都代表著「0個或多個前面的內容」。最後，字元"+"與{1,}是相等的，表示“1個或多個前面的內容”，所以上面的4個例子可以寫成：

^[a-zA-Z0-9_]+$ //所有包含一個以上的字母、數字或底線的字串   

^[0-9]+$    //所有的正數   

^-?[0-9]+$   //所有的整數

^-?[0-9]+$   //所有的整數 ^-?[0-9]*.?[0-9]*$    //所有的小數   

當然這並不能從技術上降低正規表達式的複雜性，但可以使它們更容易閱讀。