正则匹配（简）一揽子解决方案

正则表达式---简

正则在许多语言里边都有出现， php 、 java 、 C# 、 javascript 等都有，在各种语言中，正则表达式核心内容都完全一致，不过是每种语言使用正则时语法规则不同而已。

正则表达式的历史

正则表达式的“祖先”可以一直上溯至对人类神经系统如何工作的早期研究。

1956 年 , 一位叫 Stephen Kleene 的数学家在 McCulloch 和 Pitts 早期工作的基础上 , 发表论文使用了正则表达式。

正则表达式的第一个实用应用程序就是 Unix 中的 qed 编辑器

正则表达式作用：

① 注册表单域验证

② 替换文本内容 str_replace()

③ 提取子字符串 ( 网络爬虫：一个网站去另一个网站偷信息 )

声明一个正则表达式

$pat = “/ 正则内容 /”;

1、定界符

上图 左右 / 斜杠 代表定界符， 除了字母、数字和反斜线 \ 以外的任何字符都可以作为定界符号，比如 | | 、 // 、 {} 、 !! 、 ## 等等

正则表达式需要使用引号括起来， 单双引号都可以，例如： $pat = “ /[0-9]/ ” ;  或 $pat = ‘ /[0-9]/ ’ ;

2、preg_match()函数

preg_match( 正则，目标内容，匹配结果 [ ，下标标志 ])

正则：设置好的正则表达式

目标内容：被匹配的目标字符串内容

匹配结果：此变量是引用类型，用于接收匹配到的结果，结果是 array 数组内容 (array() 空数组表示没有匹配到内容 )

下标标志：可选值为 PREG_OFFSET_CAPTURE ，表示同时返回匹配结果在目标字符串中的下标信息。该参数会更改返回结果数组的维数。

preg_match() 函数设置第四个参数的使用 ( 不常用 ) ：

preg_match() 函数使用细节：

① 该函数进行 单次 匹配，只把第一个符合正则的内容匹配出来，非全局匹配。

例如使用该函数，使得正则 /hello/ 去 匹配字符串 “ hello - beijing hello-shanghai”, 则只给匹配第一个 hello 。

② 从目标字符串的 左边 开始进行匹配，寻找正则对应的目标内容

③ 默认情况下，该函数给返回 一维 数组，数组元素值代表匹配的结果

如果该函数有设置 第四个 参数，则会返回一个 二维 数组，额外还会返回 匹配结果的 下标 信息

④ 该 preg_match() 函数通过返回 1/0 的信息表示是否有匹配到内容， 1: 匹配到 0: 没有匹配到

3.1 正则内容组成

① 普通字符，例如数字、字母、特殊符号等，例如 $pat = “/hello/”;  是匹配 hello 的正则

② 定义字符集--- [a-e], [aeiou] 匹配数字、英文字母的一段   ，段的开始到结尾必须由小到大设置

定义字符集 里边都可以设置 ^ 符号，表示取非,例： [^a-e]   随意 匹配 除了 a 到 e 连续字符 以外 的其他一个字符

③ 特殊字符集

④ 限制字符集

⑤ 模式修正符

3.2 特别字符集

$              匹配目标字符串的 ” 结尾 ” 位置。

^              “ 托字符 ” 匹配目标字符串的 ” 开始 ” 位置

( )            标记一个子表达式的 ” 开始 ” 和 ” 结束 ” 位置

*              表示其前面那个单元出现 0 次或以上 任意次数

.               匹配除换行符 \n 之外的任何单字符 , 例如 .* 表示匹配任何内容

+              表示其前面那个单元出现 1 次或以上 任意次数

?               表示其前面那个单元出现 0 次或 1 次   要么出现、要么不出现

\               这个符号是用来转义的，去除符号的特殊意思，只保留符号的本质意思

|               指明两项之间只选择一个，或 的意思， 完整以目标字符串出现的先后顺序去匹配

在设计正则表达式的时候， 99% 的情况下都需要使用 ^ 和 $ 符号

好处：可以使得正则表达式对目标内容进行“完整”匹配 ( 非 部分匹配 )

完整匹配在某些时候是必须的

^ 符号在不同场合的使用：

① $pat = “/ ^ hello/”;  //hello 需要在目标内容 开始 出现

② $pat = “/[ ^ 0-9]/”;  // 匹配 非 0 到 9 之间数字 以外 的其他字符内容

()小括号：   标记一个子表达式的 ” 开始 ” 和 ” 结束 ” 位置

() 小括号作用： ① 提高子表达式优先级 ② 可以从大的字符串中拆分小的内容出来

正则表达式又称为正则表达式模式，如果使用 () 给模式中的某个小的模式进行限制，该 () 小括号内容就称为 模式单元

    $str="2016beijing2018beijing";

    $pat="/beijing/";

    $pipei=preg_match($pat, $str,$out);

    var_dump($pipei);//int(1)

    print_r($out);//Array ( [0] => beijing )

    echo "<hr>";

    preg_match($pat, $str,$out1,PREG_OFFSET_CAPTURE);

    print_r($out1); //Array ( [0] => Array ( [0] => beijing [1] => 4 ) )

3.3 组合字符集

\d            表示匹配 0 到 9 之间的一个数字   是 [0-9] 的别名

[1-9]  匹配一个非 0 数字

[5-9]  匹配 5 到 9 之间的一个数字

\w            表示匹配 ( 大小写 ) 字母 、 数字 、 下划线 其中的一个 [a-zA-Z0-9_]

\s              表示空格

       // 匹配 hello 和 beijing 中间有三个空格

$pat = “/hello   beijing/”;  // 可读性不好

$pat = “/hello\s\s\sbeijing/”;  // 可读性好

3.4 限制字符

{m}         其前一单元严格出现 m 次

{m,}        其前一单元出现至少 m 次，至多不限制

{m,n}      其前一单元出现至少 m ，至多 n 次， n 比 m 要大

3.5 模式修正符

正则完全的设置： $pat = “/ 正则内容 / 模式修正符 ”;

模式修正符：对正则的使用起着扩充、限制、修订的作用。

i               可同时匹配大小写字母

U              匹配到最近的字符串 ( 避免贪婪匹配 )

3.6 进行全局匹配

preg_match() 可以通过正则对目标字符串进行“单次”匹配

preg_match_all( 正则，内容，匹配结果 ) 函数

该函数返回二维数组， 可以实现对内容的全局匹配，所有与模式符合的内容都给匹配出来

$str="2016beijing[beiji20/18be*iji(ngdugbeijing";

    $pat="/beijing$/";

    $str="<h1>monkey like peach or banana</h1>";

    $pat="/pear|banana/";//int(1) Array ( [0] => banana )

    // $pat="/ban(ana)/";//int(1) Array ( [0] => banana [1] => ana )

    // $pat="!<h1>(.*)</h1>!";

    $pipei=preg_match($pat, $str,$out); //int(1)

    var_dump($out);echo "<hr>";

$str="re23676@21cn.com";

    // $str="15845678091";

    // $pat="/([0-9]+)-([0-9]+)-([0-9]+)/";

    // $pat="/1[358]{2}\d{8}/";//匹配手机号

    $pat="#(^[a-z1-9][a-z0-9\.]{5,})@([a-z0-9]+)(\.[a-z0-9\.]+)$#i";//匹配邮箱

    $pipei=preg_match($pat, $str,$out);

    // echo $out[2],"<br>",$out[3],"<br>";03 01

    echo "<pre>";

    var_dump($pipei);//int(1)

    print_r($out);

    echo "<hr>";

    preg_match($pat, $str,$out,PREG_OFFSET_CAPTURE);

    print_r($out);

array(1) { [0]=> string(6) "banana" }

---

int(1)
Array
(
    [0] => re23676@21cn.com
    [1] => re23676
    [2] => 21cn
    [3] => .com
)

---

Array

(

    [0] => Array(  

            [0] =>  re23676@21cn.com

            [1] => 0            )

    [1] => Array(

            [0] => re23676

            [1] => 0            )

    [2] => Array(

            [0] => 21cn

            [1] => 8            )

    [3] => Array(

            [0] => .com

            [1] => 12          )

)

正则表达式速查表

字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“n”匹配字符“n”。“\n”匹配一个换行符。串行“\\”匹配“\”而“\(”则匹配“(”。
^	匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置。
*	>=0匹配前面的子表达式零次或多次。例如，zo*能匹配“z”以及“zoo”。*等价于{0,}。
+	>=1匹配前面的子表达式一次或多次。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
?	0或1匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“does”或“does”中的“do”。?等价于{0,1}。
{n}	n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}	n是一个非负整数。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,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m}	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配所有“o”。
.	匹配除“\n”之外的任何单个字符。要匹配包括“\n”在内的任何字符，请使用像“(.|\n)”的模式。
(pattern)	匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“\(”或“\)”。
(?:pattern)	匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
(?=pattern)	正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始
(?<=pattern)	反向肯定预查，与正向肯定预查类拟，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。
(?<!pattern)	反向否定预查，与正向否定预查类拟，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。
x|y	匹配x或y。例如，“z|food”能匹配“z”或“food”。“(z|f)ood”则匹配“zood”或“food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合(非)。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“p”。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
\B	匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
\cx	匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。
\d	匹配一个数字字符。等价于[0-9]。
\D	匹配一个非数字字符。等价于[^0-9]。
\f	匹配一个换页符。等价于\x0c和\cL。
\n	匹配一个换行符。等价于\x0a和\cJ。
\r	匹配一个回车符。等价于\x0d和\cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于[^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于\x09和\cI。
\v	匹配一个垂直制表符。等价于\x0b和\cK。
\w	匹配包括下划线的任何单词字符。等价于“[A-Za-z0-9_]”。
\W	匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
\xn	匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。.
\num	匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\1”匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm。
\nml	如果n为八进制数字（0-3），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。
\un	匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号（©）。

常用正则表达式

用户名	/^[a-z0-9_-]{3,16}$/
密码	/^[a-z0-9_-]{6,18}$/
十六进制值	/^#?([a-f0-9]{6}|[a-f0-9]{3})$/
电子邮箱	/^([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})$/ /^[a-z\d]+(\.[a-z\d]+)*@([\da-z](-[\da-z])?)+(\.{1,2}[a-z]+)+$/
URL	/^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$/
IP 地址	/((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)/ /^(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)$/
HTML 标签	/^<([a-z]+)([^<]+)*(?:>(.*)<\/\1>|\s+\/>)$/
删除代码\\注释	(?<!http:|\S)//.*$
Unicode编码中的汉字范围	/^[\u2E80-\u9FFF]+$/ [\u4e00-\u9fa5]匹配中文字符（utf-8）--- 匹配1到20个中文字符:/^[\u4e00-\u9fa5] {1,20}$/