正規字元 |
正規解釋 |
#\ |
將下一個字元標記為特殊字符、或一個原義字元、或一個向後引用、或一個八進位轉義符。例如,“\n”匹配字元“n”。 “\\n”符合一個換行符號。序列“\\”符合“\”而“\(”則符合“(”。 |
#^ |
符合輸入字串的開始位置。如果設定了RegExp物件的Multiline屬性,^也符合「\n」或「\r」之後的位置。 |
$ | ##符合輸入字串的結束位置。如果設定了RegExp物件的Multiline屬性,$也符合「\n」或「\r」之前的位置。 |
* | 匹配前面的子表達式零次或多次。例如,zo*能匹配“z”以及“zoo”。*等價於{0,}。 |
| 匹配前面的子表達式一次或多次。例如,“zo ”能匹配“zo”以及“zoo”,但不能匹配“z”。 等價於{1,}。 |
##?
符合前面的子表達式零次或一次。例如,「do(es)?」可以符合「does」或「does」中的「do」。?等價於{0,1} 。 |
|
{n}
n是一個非負整數。匹配確定的n次。例如,「o{2}」不能匹配「Bob」中的“o”,但是能匹配“food”中的兩個o。 |
|
{n,}
n是一個非負整數。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,}”等價於“o ”。“o{0, }」則等價於「o*」。 |
|
{n,m}
m和n均為非負整數,其中n<=m。最少配對n次且最多符合m次。例如,「o{1,3}」將符合「fooooood」中的前三個o。「o{0,1}」等價於「o?」。請注意在逗號和兩個數字之間不能有空格。 |
|
?
當這個字元緊跟在任何一個其他限制符(*, ,?,{n} ,{n,},{n,m})後面時,匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串,而默認的貪婪模式則盡可能多的匹配所搜索的字符字串。例如,對於字串“oooo”,“o?”將匹配單一“o”,而“o ”將匹配所有“o”。 |
|
.點 匹配除“\n”之外的任何單個字符。要匹配包括“\n”在內的任何字符,請使用像“[\s\S]”的模式。 |
|
#(pattern)
符合pattern並取得此符合。所取得的符合可以從產生的Matches集合得到,在VBScript中使用SubMatches集合,在JScript中則使用$0…$9屬性。若要匹配圓括號字符,請使用“\(”或“\)”。 |
|
(?:pattern)
匹配pattern但不取得匹配結果,也就是說這是一個非獲取匹配,不進行儲存以供以後使用。這在使用或字元“(|)”來組合一個模式的各個部分是很有用。例如「industr(?:y|ies)」就是比「industry|industries」更簡略的表達式。 |
|
(?=pattern)
| 正向肯定預查,在任何符合pattern的字串開始處符合尋找字串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如,“Windows(?=95|98|NT|2000)”能符合“Windows2000”中的“Windows”,但不能符合“Windows3.1”中的“Windows”。預查不消耗字符,也就是說,在一個匹配發生後,在最後一次匹配之後立即開始下一次匹配的搜索,而不是從包含預查的字符之後開始。
|
(?!pattern)
| 正向否定預查,在任何不符合pattern的字串開始處符合尋找字串。這是一個非獲取匹配,也就是說,該匹配不需要獲取供以後使用。例如“Windows(?!95|98|NT|2000)”能符合“Windows3.1”中的“Windows”,但不能符合“Windows2000”中的“Windows”。
|
(?<=pattern)
| 反向肯定預查,與正向肯定預查類似,只是方向相反。例如,“(?<=95|98|NT|2000)Windows”能符合“2000Windows”中的“Windows”,但不能符合“3.1Windows”中的“Windows”。
|
(?
| 反向否定預查,與正向否定預查類似,只是方向相反。例如“(?
|
x|y
符合x或y。例如,「z|food」能匹配「z」或「food」。 「(z|f)ood」則符合「zood」或「food」。 |
|
[xyz]字元集合。匹配所包含的任意一個字元。例如,“[abc]”可以匹配“plain”中的“a”。 |
[^xyz] |
負值字元集合。匹配未包含的任意字元。例如,「[^abc]」可以符合「plain」中的「plin」。 |
[a-z] |
字元範圍。符合指定範圍內的任意字元。例如,「[a-z]」可以符合「a」到「z」範圍內的任意小寫字母字元。注意:只有連字符在字符組內部時,並且出兩個字符之間時,才能表示字符的範圍; 如果出字符組的開頭,則只能表示連字符本身. |
##[^a-z] | 負值字元範圍。匹配任何不在指定範圍內的任意字元。例如,「[^a-z]」可以符合任何不在「a」到「z」範圍內的任意字元。 |
\b | 符合一個單字邊界,也就是指單字和空格間的位置。例如,“er\b”可以匹配“never”中的“er”,但不能匹配“verb”中的“er”。 |
\B | 符合非單字邊界。 “er\B”能匹配“verb”中的“er”,但不能匹配“never”中的“er”。 |
\cx | 符合由x指明的控製字元。例如,\cM符合一個Control-M或回車符。 x的值必須為A-Z或a-z之一。否則,將c視為一個原義的「c」字元。 |
\d | 符合一個數字字元。等價於[0-9]。 |
\D | 符合一個非數字字元。等價於[^0-9]。 |
\f | 符合一個換頁符號。等價於\x0c和\cL。 |
\n | 符合一個換行符號。等價於\x0a和\cJ。 |
\r | 符合一個回車符。等價於\x0d和\cM。 |
\s | 符合任何空白字符,包括 空格、換行符、製表符、換頁符、中文全角空格等等。等價於[ \f\r\n\t\v]。 |
\S | 符合任何非空白字元。等價於[^ \f\r\n\t\v]。 |
\t | 符合一個製表符。等價於\x09和\cI。 |
\v | 符合一個垂直製表符。等價於\x0b和\cK。 |
\w | 符合包括下劃線的任何單字字元。等價於「[A-Za-z0-9_]」。 |
\W | 符合任何非單字字元。等價於「[^A-Za-z0-9_]」。 |
\xn | 符合n,其中n為十六進位轉義值。十六進制轉義值必須為確定的兩個數字長。例如,“\x41”匹配“A”。 「\x041」則等價於「\x04&1」。正規表示式中可以使用ASCII編碼。 |
\num | 符合num,其中num是正整數。對所獲取的匹配的引用。例如,「(.)\1」會符合兩個連續的相同字元。 |
\n | 標識一個八進位轉義值或一個向後引用。如果\n之前至少n個取得的子表達式,則n為向後引用。否則,如果n為八進制數字(0-7),則n為一個八進制轉義值。 |
\nm | 標識一個八進位轉義值或一個向後引用。如果\nm之前至少有nm個得到子表達式,則nm為向後引用。如果\nm之前至少有n個獲取,則n為一個後面接文字m的向後引用。如果前面的條件都不滿足,若n和m均為八進位數字(0-7),則\nm將符合八進位轉義值nm。 |
\nml | 如果n為八進位數字(0-7),且m和l均為八進位數字(0-7),則符合八進位轉義值nml。 |
\un | 符合n,其中n是一個用四個十六進位數字表示的Unicode字元。例如,\u00A9符合版權符號(©)。 |
上表是正则表达式比较全面的解释,而商标中的正则字符都有特殊含义,已经不再代表原字符含义。如正则表达式中“+”不代表加号,而是代表匹配一次或多次。而如果想要让“+”表示加号,则需要在其前面加上“\”转义,也就是用“\+”表示加号。
【推荐学习:《PHP视频教程》】
1+1=2 正则表达式是: 1\+1=2
而正则表达式 1+1=2 可以代表,多个1=2,即:
11=2 正则表达式:1+1=2
111=2 正则表达式:1+1=2
1111=2 正则表达式:1+1=2
……
也就是说所有正则字符都有特定含义,如果需要再用来表示原字符含义,就需要在前面加“\”转义,即使非正则字符,用“\”转义也是没有问题的。
1+1=2 正则表达式也可以是: \1\+\1\=\2
对所有字符都转义,但是这种不建议使用。
而正则表达式必须要使用定界符包围起来,在JavaScript中定界符是“/”,而在PHP中,比较常见的是用“/”定界,也可以用“#”定界,而且外面还需要用引号包围起来。
如果正则表达式包含这些定界符,您就需要对这些字符进行转义。
PHP 正则表达式定界符
大多数语言的正则表达式都是由“/”作为定界符的,而在PHP中,还可以使用“#”定界,如果字符串中包含大量“/”字符,在使用“/”定界的时候,就需要对这些“/”转义,而使用“#”就不需要转义,更简洁。
<?php
$subject='钱运来PHP博客的网址是 http://blog.snsgou.com/_blog/ ,你能把这个网址替换成正确的网址吗?';
// 上面的要求就是把 http://blog.snsgou.com/_blog 替换成 http://blog.snsgou.com/
// . : - 都是正则符号,所以需要转义,而 / 是定界符,如果字符串中包含 / 定界符,就需要转义
echo preg_replace('/http\:\/\/www\.qianyunlai\.com\/\_blog\//', 'http://blog.snsgou.com/', $subject);
echo '<br />';
// 在 #作为定界符,/ 就不再是定界符的含义,就不需要转义了。
echo preg_replace('#http\://www\.qianyunlai\.com/\_blog/#', 'http://blog.snsgou.com/', $subject);
// 上面两条输出结果都一样,【钱运来PHP博客的网址是 http://blog.snsgou.com/,你能把这个网址替换成正确的网址吗?】
?>
通过上面的两条PHP 正则替换代码我们可以发现,如果正则语句中包含大量“/”,无论使用“/” 还是 “#”做定界符都是可以的,但是使用“#”能让代码看起来更简洁。但还是建议您保持使用“/”作为定界符,因为在JavaScript等语言中,只能使用“/”作为定界符,这样写起来可以形成习惯,贯通于其他语言中。
PHP 正则表达式修饰符
修饰符被放在PHP正则表达式定界符“/”之后,在正则表达式尾部引号之前。
i 忽略大小写,匹配不考虑大小写
m 多行独立匹配,如果字符串不包含[\n]等换行符就和普通正则一样。
s 设置正则符号 . 可以匹配换行符[\n],如果没有设置,正则符号.不能匹配换行符\n。
x 忽略没有转义的空格
e eval() 对匹配后的元素执行函数。
A 前置锚定,约束匹配仅从目标字符串开始搜索
D 锁定$作为结尾,如果没有D,如果字符串包含[\n]等换行符,$依旧依旧匹配换行符。如果设置了修饰符m,修饰符D 就会被忽略。
S 对非锚定的匹配进行分析
U 非贪婪,如果在正则字符量词后加“?”,就可以恢复贪婪
X 打开与perl 不兼容附件
u 强制字符串为UTF-8编码,一般在非UTF-8编码的文档中才需要这个。建议UTF-8环境中不要使用这个。
如果您熟悉JavaScript 的正则表达式,或许一定熟悉JavaScript 正则表达式的修饰符“g”,代表匹配所有符合条件的元素。而在PHP 正则替换中,是匹配所有符号条件的元素,所以不存在JavaScript 修饰符“g”。
PHP 正则中文和忽略大小写
PHP preg_replace() 是区分大小写的,同时只能匹配ASCII编码内的字符串,如果需要匹配不区分大小写和中文等字符需要添加相应的修饰符 i 或 u。
<?php
$subject='钱运来PHP博客网址:http://www.QIanyunlai.com/';
// 大小写不同,输出【钱运来PHP博客网址:http://www.QIanyunlai.com/】
echo preg_replace('/QIAN/', 'qian', $subject);
echo '<br />';
// 忽略大小写,执行替换输出【钱运来PHP博客网址:http://blog.snsgou.com/】
echo preg_replace('/QIAN/i', 'qian', $subject);
echo '<br />';
// 强制 UTF-8中文,执行替换,输出【钱运来PHP博客:http://www.QIanyunlai.com/】
echo preg_replace('/网址/u', '', $subject);
?>
大小写和中文在PHP中都是敏感的,但是在JavaScript正则中,只对大小写敏感,忽略大小写也是通过修饰符 i 作用的,但是JavaScript 不需要告知是否是UTF-8中文等特殊字符,直接可以匹配中文。
PHP 正则换行符实例
PHP 正则表达式在遇到换行符时,会将换行符当做字符串中间一个普通字符。而通用符号.不能匹配\n,所以遇到带有换行符的字符串正则会有很多要点。
<?php
$subject="snsgou.com\nIS\nLOVING\nYOU";
// 想要把上面$subject 替换成snsgou.com
echo preg_replace('/^[A-Z].*[A-Z]$/', '', $subject), '<br />';
// 这个正则表达式是,匹配只包含\w的元素,$subject 是以q开头,符合[A-Z],而且结尾是m,也符合[A-Z]。.无法匹配\n
// 输出【snsgou.com IS LOVEING YOU】
echo preg_replace('/^[A-Z].*[A-Z]$/s', '', $subject), '<br />';
// 这个用修饰符s,也就是 . 可以匹配 \n 了,所以整句匹配,输出空
// 输出【】
echo preg_replace('/^[A-Z].*[A-Z]$/m', '', $subject), '<br />';
// 这里使用了修饰符,将\n作为多行独立匹配。也就等价于:
/*
$preg_m = preg_replace('/^[A-Z].*[A-Z]$/m', '', $subject);
$p = '/^[A-Z].*[A-Z]$/';
$a = preg_replace($p, '', 'snsgou.com');
$b = preg_replace($p, '', 'IS');
$c = preg_replace($p, '', 'LOVING');
$d = preg_replace($p, '', 'YOU');
$preg_m === $a . $b . $c . $d;
*/
// 输出【snsgou.com】
?>
以后您在使用PHP 抓取某个网站内容,并用正则批量替换的时候,总无法避免忽略获取的内容包含换行符,所以在使用正则替换的时候一定要注意。
PHP 正则匹配执行函数
PHP 正则替换可以使用一个修饰符e,代表 eval() 来执行匹配后的内容某个函数。
<?php
$subject='钱运来PHP博客网址:http://www.qianYUNlai.com/';
// 将上面网址转为小写
echo preg_replace('/(http\:[\/\w\.\-]+\/)/e', 'strtolower("$1")', $subject);
// 使用修饰符e之后,就可以对匹配的网址执行PHP 函数 strtolower() 了
// 输出 【钱运来PHP博客网址:http://blog.snsgou.com/】
?>
根据上面代码,尽管匹配后的函数 strtolower() 在引号内,但是依旧会被eval()执行。
正则替换匹配变量向后引用
如果您熟悉JavaScript,一定对$1 $2 $3 …… 等向后引用比较熟悉,而在 PHP 中这些也可以被当作向后引用参数。而在PHP中,还可以使用 \1 \\1 来表示向后引用。
向后引用的概念就是匹配一个大片段,这个正则表达式内部又被用括号切割成若干小匹配元素,那么每个匹配元素就被按照小括号序列用向后引用代替。
<?php
$subject='钱运来PHP博客网址:http://blog.snsgou.com/,你yun-lai了吗?';
echo preg_replace('/.+(http\:[\w\-\/\.]+\/)[^\w\-\!]+([\w\-\!]+).+/', '$1', $subject);
echo preg_replace('/.+(http\:[\w\-\/\.]+\/)[^\w\-\!]+([\w\-\!]+).+/', '\1', $subject);
echo preg_replace('/.+(http\:[\w\-\/\.]+\/)[^\w\-\!]+([\w\-\!]+).+/', '\\1', $subject); // 通常用这个
echo '<br />';
// 上面三个都是输出 【http://blog.snsgou.com/】
echo preg_replace('/^(.+)网址:(http\:[\w\-\/\.]+\/)[^\w\-\!]+([\w\-\!]+).+$/', '栏目:$1<br>网址:$2<br>商标:$3', $subject);
/*
栏目:钱运来PHP博客
网址:http://blog.snsgou.com/
商标:yun-lai
*/
echo '<br />';
// 括号中括号,外面括号先计数
echo preg_replace('/^((.+)网址:(http\:[\w\-\/\.]+\/)[^\w\-\!]+([\w\-\!]+).+)$/', '原文:$1<br>栏目:$2<br>网址:$3<br>商标:$4', $subject);
/*
原文:钱运来PHP博客网址:http://blog.snsgou.com/,你yun-lai了吗?
栏目:钱运来PHP博客
网址:http://blog.snsgou.com/
商标:yun-lai
*/
?>