正则表达式
PHP 将提供两个 regex 编程接口，一个用于可移植操作系统接口（Portable Operating System Interface，POSIX），另一个接口用于 Perl Compatible Regular Expressions (PCRE)。基本上，推荐使用第二个接口，因为 PCRE 比 POSIX 实现更加强大，可以提供能在 Perl 中找到的所有操作符。要了解关于 POSIX regex 函数调用的更多信息，请阅读 PHP 文档（请参阅 参考资料）。在这里，我主要介绍 PCRE 功能。
PHP PCRE regex 包含针对特定字符和其他操作符、针对特定位置（例如字符串的开头或结尾）或者针对单词的开头或结尾的匹配操作符。regex 还可以描述替代词，即在其他技术中可能描述为 “this” 或 “that” 的单词；定长、变长或不确定长度的副本；字符集（例如，“a 到 m 之间的任意字母”）；以及类 或各类字符（可打印字符或标点符号）。regex 中的特殊操作符也允许分组 —— 一种将某个操作符应用到所有其他操作符的方法。
表 1 显示了一些常用的 regex 操作符。您可以连接和结合表 1 中的基本操作符（以及其他操作符）并进行组合来构建（非常）复杂的 regex。
表 1. 常见 regex 操作符
| 操作符 | 用途 |
|---|---|
| .（句点） | 匹配所有单个字符 |
| ^（脱字符号） | 匹配出现在行或字符串开头的空字符串 |
| $（美元符号） | 匹配出现在行尾的空字符串 |
| A | 匹配大写字母 A |
| a | 匹配小写字母 a |
| \d | 匹配所有一位数字 |
| \D | 匹配所有单个非数字字符 |
| \w | 匹配所有单个字母或数字字符；同义词是 [:alnum:] |
| [A-E] | 匹配所有大写的 A、B、C、D 或 E |
| [^A-E] | 匹配除大写 A、B、C、D 或 E 之外的任何字符 |
| X? | 匹配出现零次或一次的大写字母 X |
| X* | 匹配零个或多个大写字母 X |
| X+ | 匹配一个或多个大写字母 X |
| X{n} | 精确匹配 n 个大写字母 X |
| X{n,m} | 至少匹配 n 个且不多于 m 个大写字母 X；如果忽略 m，则表达式将尝试匹配至少 n 个 X |
| (abc|def)+ | 匹配一连串的（最少一个）abc 和 def；abc 和 def 将匹配 |
下面是 regex 的常见用法示例。假定 Web 站点要求每个用户创建一个登录名。每个用户名至少要包含 3 个但不多于 10 个字母数字字符，并且必须以字母为开头。要强制遵守这些规范，可以使用以下 regex 在提交给应用程序时验证用户名：^[A-Za-z][A-Za-z0-9_]{2,9}$。
脱字符号将匹配字符串的开头。第一个集合 [A-Za-z] 表示所有字母。第二个集合 [A-Za-z0-9_]{2,9} 表示由至少 2 个至多 9 个任意字母、数字和划线组成的序列。并且使用美元符号 ($) 匹配字符串末尾。
乍看之下，美元符号可能看似不必要，但是它是至关重要的。如果忽略掉它，regex 将匹配开头为字母、包含 2 至 9 个字母数字字符以及任意数目的任何其他字符的所有字符串。换言之，没有美元符号锚定字符串的结尾，带有匹配前缀（例如 “martin1234-cruft”）的非常长的字符串将生成误判 (false positive)。
用 PHP 和 regex 编程
PHP 提供了用于在文本中查找匹配、将每个匹配替换为其他文本（la 搜索和替换）以及在列表的元素之中查找匹配的函数。函数包括：
- preg_match()
- preg_match_all()
- preg_replace()
- preg_replace_callback()
- preg_grep()
- preg_split()
- preg_last_error()
- preg_quote()
为了演示函数，让我们编写一个小型 PHP 应用程序，该应用程序将搜索单词列表以查找特定模式，遵循这种模式的单词和 regex 都是由传统的 Web 表单来提供的，并且结果都使用 simple print_r() 函数返回给浏览器。如果需要测试或改进 regex，则这种小型程序非常有用。
清单 2 显示了 PHP 代码。所有输入都是通过简单的 HTML 表单来提供的（为了简洁起见，不显示相应的表单，并且已经省略了用于捕捉 PHP 代码错误的代码）。
清单 2. 比较文本与模式
<?php
//
// divide the comma-separated list into individual words
// the third parameter, -1, permits a limitless number of matches
// the fourth parameter, PREG_SPLIT_NO_EMPTY, ignores empty matches
//
$words = preg_split( '/,/', $_REQUEST[ 'words' ], -1, PREG_SPLIT_NO_EMPTY );
//
// remove the leading and trailing spaces from each element
//
foreach ( $words as $key => $value ) {
$words[ $key ] = trim( $value );
}
//
// find the words that match the regular expression
//
$matches = preg_grep( "/${_REQUEST[ 'regex' ]}/", $words );
print_r( $_REQUEST['regex' ] );
echo( '<br /><br />' );
print_r( $words );
echo( '<br /><br />' );
print_r( $matches );
exit;
?>首先，使用 preg_split() 函数把用逗号分隔的单词字符串分隔为单个元素。此函数将在匹配给定 regex 的每个点上划分字符串。在这里，regex 只是 ,（一个逗号，以逗号分隔的列表中的分隔符）。代码中的首尾斜杠只表示 regex 的开头和结尾。
preg_split() 的第三个参数和第四个参数都是可选的，但是每个参数都十分有用。给第三个参数提供整数 n 将只返回前 n 个匹配；或者提供-1 返回所有匹配。如果指定第四个参数，标志 PREG_SPLIT_NO_EMPTY、preg_split() 将处理所有空结果。
接下来，用逗号分隔的单词列表中的每个元素都是通过 trim() 函数整理的（省略了开始和结束部分的空白），然后与提供的 regex 进行比较。使用函数 preg_grep() 可以非常轻松地处理列表：只需提供模式作为第一个参数，并提供要匹配的单词数组作为第二个参数。函数将返回匹配数组。
例如，如果键入 regex ^[A-Za-z][A-Za-z0-9_]{2,9}$ 作为模式和变长单词列表，则可能获得类似清单 3 的内容。
清单 3. 简单 regex 的结果
^[A-Za-z][A-Za-z0-9_]{2,9}$
Array ( [0] => martin [1] => 1happy [2] => hermanmunster )
Array ( [0] => martin )顺便说一句，您可以转化 preg_grep() 操作并查找与具有 PREG_GREP_INVERT 可选标志的模式（与命令行中的 grep -v 相同）不 匹配的元素。用 $matches = preg_grep( "/${_REQUEST[ 'regex' ]}/", $words, PREG_GREP_INVERT ) 替换第 22 行并重用清单 3 的输入，生成Array ( [1] => 1happy [2] => hermanmunster )。
分解字符串
函数 preg_split() 和 preg_grep() 是优秀的小函数。如果使用可预测的模式分隔子字符串，则前者可以将字符串分解成几个子字符串。函数preg_grep() 还可以快速地过滤列表。
但是如果必须使用一个或多个复杂规则分解字符串会发生什么情况？例如，美国的电话号码通常显示为 “(305) 555-1212”、“305-555-1212” 或 “305.555.1212”。如果删除标点符号，所有电话号码都减少到 10 位，这样在使用 regex \d{10} 时十分易于识别。但是，美国的三位区号和三位电话号码前缀不能以零或一为开头（因为零和一是非本地呼叫的前缀）。regex 不会把数字序列分隔为单个数字并编写复杂的代码，而是会测试其有效性。
清单 4 显示了执行此任务的代码片段。
清单 4. 确定电话号码是否是有效的美国电话号码
<?php
$punctuation = preg_quote( "().-" );
$number = preg_replace( "/[$punctuation]/", '', $_REQUEST[ 'number' ] );
$valid = "/[2-9][0-9]{2}[2-9][0-9]{2}[0-9]{4}/";
if ( preg_match( $valid, $number ) == 1 ) {
echo( "${_REQUEST[ 'number' ]} is valid<br />" );
}
exit;
?>让我们详细查看这段代码：
- 如 表 1 所示，regex 使用一小组操作符，例如方括号 ([ ])，对一个集合命名。如果需要匹配对象文本中的这样一个操作符，则必须用前导反斜杠 (\) 来对 regex 中的操作符进行 “转义”。在转义了操作符后，它将像所有其他文字一样进行匹配。例如，如果需要匹配一个句点字符，比方说，在完全限定主机名中查找句点，则编写 \.。您可以随意将字符串传递给 preg_quote() 来自动转义它找到的所有 regex 操作符，如第 1 行所示。如果在第 1 行后使用 echo() $punctuation，则应当会看到 \(\)\.-。
- 第 2 行将删除电话号码中的所有标点符号。preg_replace() 函数将把 $punctuation 中出现的所有某个字符替换为空字符串（因此，使用集合操作符 [ ]），从而有效地省略字符。新字符串将被返回并分配给 $number。
- 第 4 行定义有效的美国电话号码模式。
- 第 5 行执行匹配，把现在仅含数字的电话号码与模式进行比较。如果有匹配，则函数 preg_match() 返回 1。如果未找到匹配，则preg_match() 返回零。如果在处理过程中出错，则函数将返回 False。因此，要检查是否成功，请查看返回值是否为 1。否则，查看preg_last_error() 的结果（如果使用 PHP V5.2.0 或更高版本）。如果不为零，则可能已经超出计算范围，例如超出 regex 可以递归的深度。您可以在 PCRE Regular Expression Functions 页面中查找关于 PHP regex 使用惯例和限制的讨论（请参阅 参考资料）。
捕捉
如果在数据验证中只需要进行 “是否匹配？” 的测试，则有许多实例可用。但是，regex 更常用于检验匹配和提取关于匹配的信息。
返回到电话号码示例，如果找到匹配，您可能希望将区号、前缀和行号保存到数据库的独立字段中。Regex 可以记住与 capture 匹配的内容。capture 操作符是一些括号，并且操作符可以出现在 regex 中的任意位置。您还可以对捕捉进行嵌套，以查找较大捕捉的子分段。例如，要捕捉 10 位电话号码中的区号、前缀和行号，您可以使用：
/([2-9][0-9]{2})([2-9][0-9]{2})([0-9]{4})/如果找到匹配，则把前三个数字捕捉到第一组括号中，把接下来的三个数字捕捉到第二组括号中；并且把最后四个数字捕捉到剩余操作符中。preg_match() 调用的变体将检索捕捉。
清单 5. preg_match() 如何检索捕捉
$valid = "/([2-9][0-9]{2})([2-9][0-9]{2})([0-9]{4})/";
if ( preg_match( $valid, $number, $matches ) == 1 ) {
echo( "${_REQUEST[ 'number' ]} is valid<br />" );
echo( "Entire match: ${matches[0]}<br />" );
echo( "Area code: ${matches[1]}<br />" );
echo( "Prefix: ${matches[2]}<br />" );
echo( "Number: ${matches[3]}<br />" );
}如果提供一个变量作为 preg_match() 的第三个参数，例如这里的 $matches，则它被设为捕捉结果列表。第 0 个元素（索引编号为 0）是整个匹配；第 1 个元素是分别与第一组括号相关联的匹配，以此类推。
嵌套捕捉几乎可以捕捉任意深度的分段和子分段。嵌套捕捉的诀窍在于预测每个匹配出现在匹配数组（例如 $matches）中的位置。下面是需要遵循的规则：从 regex 的开头开始计算左括号的数目 —— 该计数是匹配数组的索引。
清单 6 提供了用于提取街道地址片段（人为设计）的示例。
清单 6. 用于提取街道地址的代码
$address = "123 Main, Warsaw, NC, 29876";
$valid = "/((\d+)\s+(\w+)),\s+(\w+),\s+([A-Z]{2}),\s+(\d{5})/";
if ( preg_match( $valid, $address, $matches ) == 1 ) {
echo( "Street: ${matches[1]}<br />" );
echo( "Street number: ${matches[2]}<br />" );
echo( "Street name: ${matches[3]}<br />" );
echo( "City: ${matches[4]}<br />" );
echo( "State: ${matches[5]}<br />" );
echo( "Zip: ${matches[6]}<br />" );
}同样，整个匹配是在索引 0 处找到的。在哪里找到街道编号？从左侧开始计算，街道编号是由 \d+ 匹配的。左括号是从左侧算起第二个；因此，$matches[2] 是 123。$matches[4] 保存城市名称，而 $matches[6] 捕捉 ZIP 编码。
强大的技术
处理文本非常普通，并且 PHP 提供了一些功能使大量操作可以更轻松地完成。下面是需要牢记的一些简写：
- preg_replace() 函数可以对单个字符串或字符串数组进行操作。如果对一个字符串数组而不是一个字符串调用 preg_replace()，则数组中的所有元素都将进行替换。在本例中，preg_replace() 将返回修改后的字符串数组。
- 正如其他 PCRE 实现一样，您可以从替换中引用子模式匹配，允许操作进行自引用。为进行演示，考虑统一电话号码的格式。所有标点符号都被删除，而使用点来代替。清单 7 中显示了一种解决方案。
清单 7. 用点替代标点符号
$punctuation = preg_quote( "().-" );
$number = preg_replace( "/[$punctuation]/", '', $_REQUEST[ 'number' ] );
$valid = "/([2-9][0-9]{2})([2-9][0-9]{2})([0-9]{4})/";
$standard = preg_replace( $valid, "\\1.\\2.\\3", $number );
if ( strcmp ($standard, $number) ) {
echo( "The standard number is $standard<br />" );
}如果模式匹配，则模式测试和标准电话号码的转换将在一个步骤中完成。
结束语
PHP 应用程序管理的数据量越来越大。无论您是需要验证表单输入，还是需要分解内容，使用正则表达式都非常有用。
扫一扫
1114
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
