正则匹配(简)一揽子解决方案

本文介绍正则表达式的起源、基本语法及其在多种编程语言中的应用,并提供多个实例帮助理解如何进行文本匹配和提取。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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 , 一位叫 Stephen Kleene 的数学家在 McCulloch 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:
注册表单域验证
替换文本内容 str_replace()
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]/ $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:
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/ 匹配字符串 hello - beijing hello-shanghai”, 则只给匹配第一个 hello
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
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
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
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
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 e 连续字符 以外 的其他一个字符
特殊字符集
限制字符集
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 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   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 ^ $ 符号
好处:可以使得正则表达式对目标内容进行“完整”匹配 ( 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:
$pat = “/ ^ hello/”;  //hello 需要在目标内容 开始 出现
$pat = “/[ ^ 0-9]/”;  // 匹配 0 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 结束 位置
() 小括号作用: 提高子表达式优先级 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 9 之间的一个数字   [0-9] 的别名
[1-9]  匹配一个非 0 数字
[5-9]  匹配 5 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 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
{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 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。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。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}mn均为非负整数,其中n<=m最少匹配n次且最多匹配m。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xy。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nm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]+$/
[\u4e00-\u9fa5]匹配中文字符(utf-8)--- 匹配1到20个中文字符:/^[\u4e00-\u9fa5] {1,20}$/
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值