PHP中的正規表達式

PHP繼承*NIX的一貫傳統，完全支持正規表達式的處理。正規表達式提供了一種高級的，但不直觀的字元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。
比如：

^.+@.+\..+$

這段有效卻難以理解的代碼足夠使一些程式設計師頭痛（我就是）或者讓他們放棄使用正規表達式。相信當你讀完這個教程後，就可以理解這段代碼的含義了。

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，它們是一組描述字元串特徵的字元。模式可以很簡單，由普通的字元串組成，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^，表示該模式只匹配那些以once開頭的字元串。例如該模式與字元串\"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元串。

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（字元串與模式一樣）。例如：

^bucket$

只匹配字元串\"bucket\"。如果一個模式不包括^和$，那麼它與任何包含該模式的字元串匹配。例如：模式

once

與字元串

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

是匹配的。

在 該模式中的字母(o-n-c-e)是字面的字元，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元，如標點符號和白字元（空格、製 表符等），要用到轉義序列。所有的轉義序列都用反斜槓()打頭。製表符的轉義序列是：t。所以如果我們要檢測一個字元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槓，如反斜槓本身用\表示，句號.用.表示，以此類推。

字元簇

在INTERNET的程序中，正規表達式通常用來驗證用戶的輸入。當用戶提交一個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，它就是字元簇。要建立一個表示所有元音字元的字元簇，就把所有的元音字元放在一個方括號裡：

[AaEeIiOoUu]

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

[a-z]	//匹配所有的小寫字母
[A-Z]	//匹配所有的大寫字母
[a-zA-Z]	//匹配所有的字母
[0-9]	//匹配所有的數字
[0-9.-]	//匹配所有的數字，句號和減號
[ frtn]	//匹配所有的白字元

同樣的，這些也只表示一個字元，這是一個非常重要的。如果要匹配一個由一個小寫字母和一位數字組成的字元串，比如\"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元是小寫字母的字元串匹配。

前面曾經提到^表示字元串的開頭，但它還有另外一個含義。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。下面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\"^\"字元之外的所有字元
[^\"\']	//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」字元開頭的字元串匹配。模式\".\"可以匹配任何字元串，除了空串和只包括一個「新行」的字元串。

PHP的正規表達式有一些內置的通用字元簇，列表如下：

字元簇	含義
[[:alpha:]]	任何字母
[[:digit:]]	任何數字
[[:alnum:]]	任何字母和數字
[[:space:]]	任何白字元
[[:upper:]]	任何大寫字母
[[:lower:]]	任何小寫字母
[[:punct:]]	任何標點符號
[[:xdigit:]]	任何16進制的數字，相當於[0-9a-fA-F]

確定重複出現

到現在為止，你已經知道如何去匹配一個字母或數字，但更多的情況下，可能要匹配一個單詞或一組數字。一個單詞有若干個字母組成，一組數字有若干個單數組成。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。

字元簇	含義
^[a-zA-Z_]$	所有的字母和下劃線
^[[:alpha:]]{3}$	所有的3個字母的單詞
^a$	字母a
^a{4}$	aaaa
^a{2,4}$	aa,aaa或aaaa
^a{1,3}$	a,aa或aaa
^a{2,}$	包含多於兩個a的字元串
^a{2,}	如：aardvark和aaab，但apple不行
a{2,}	如：baad和aaa，但Nantucket不行
\t{2}	兩個製表符
.{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」。我們可以把模式擴展到更多的單詞或數字：

^[a-zA-Z0-9_]{1,}$	//所有包含一個以上的字母、數字或下劃線的字元串
^[0-9]{1,}$	//所有的正數個
^\-{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為簡單的方法。

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、數字或下劃線的字元串
^[0-9]+$	//所有的正數個
^\-?[0-9]+$	//所有的整數個
^\-?[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。