正則表達式 – 匹配規(guī)則

基本模式匹配

一切從最基本的開始。模式，是正則表達式最基本的元素，它們是一組描述字符串特征的字符。模式可以很簡單，由普通的字符串組成，也可以非常復雜，往往用特殊的字符表示一個范圍內(nèi)的字符、重復出現(xiàn)，或表示上下文。例如：

^once

這個模式包含一個特殊的字符 ?^?，表示該模式只匹配那些以 ?once開頭的字符串。例如該模式與字符串 "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(jié)尾的字符串。

bucket$ 

這個模式與 "Who kept all of this cash in a bucket" 匹配，與 "buckets" 不匹配。字符 ?^? 和 ?$? 同時使用時，表示精確匹配（字符串與模式一樣）。例如：

^bucket$

只匹配字符串 "bucket"。如果一個模式不包括 ?^? 和 ?$?，那么它與任何包含該模式的字符串匹配。例如模式：

once

與字符串

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?) 是字面的字符，也就是說，他們表示該字母本身，數(shù)字也是一樣的。其他一些稍微復雜的字符，如標點符號和白字符（空格、制表符等），要用到轉(zhuǎn)義序列。所有的轉(zhuǎn)義序列都用反斜杠 ?\? 打頭。制表符的轉(zhuǎn)義序列是 ?\t?。所以如果我們要檢測一個字符串是否以制表符開頭，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杠，如反斜杠本身用 ?\\? 表示，句號 ?.? 用 ?\.? 表示，以此類推。

字符簇

在 INTERNET 的程序中，正則表達式通常用來驗證用戶的輸入。當用戶提交一個 FORM 以后，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，用普通的基于字面的字符是不夠的。

所以要用一種更自由的描述我們要的模式的辦法，它就是字符簇。要建立一個表示所有元音字符的字符簇，就把所有的元音字符放在一個方括號里：

[AaEeIiOoUu]

這個模式與任何元音字符匹配，但只能表示一個字符。用連字號可以表示一個字符的范圍，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(shù)字 
[0-9\.\-] // 匹配所有的數(shù)字，句號和減號 
[ \f\r\t\n] // 匹配所有的白字符

同樣的，這些也只表示一個字符，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(shù)字組成的字符串，比如 "z2"、"t6" 或 "g7"，但不是 "ab2"、"r2d3" 或 "b52" 的話，用這個模式：

^[a-z][0-9]$

盡管[a-z]代表 26 個字母的范圍，但在這里它只能與第一個字符是小寫字母的字符串匹配。

前面曾經(jīng)提到?^?表示字符串的開頭，但它還有另外一個含義。當在一組方括號里使用 ?^? 時，它表示"非"或"排除"的意思，常常用來剔除某個字符。還用前面的例子，我們要求第一個字符不能是數(shù)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符的例子：

[^a-z] //除了小寫字母以外的所有字符 
[^\\\/\^] //除了(\)(/)(^)之外的所有字符 
[^\"\'] //除了雙引號(")和單引號(')之外的所有字符

特殊字符 ?.?(點，句號)在正則表達式中用來表示除了"新行"之外的所有字符。所以模式 ?^.5$? 與任何兩個字符的、以數(shù)字5結(jié)尾和以其他非"新行"字符開頭的字符串匹配。模式 . 可以匹配任何字符串，換行符（?\n?、?\r?）除外。

PHP的正則表達式有一些內(nèi)置的通用字符簇，列表如下：

確定重復出現(xiàn)

到現(xiàn)在為止，你已經(jīng)知道如何去匹配一個字母或數(shù)字，但更多的情況下，可能要匹配一個單詞或一組數(shù)字。一個單詞有若干個字母組成，一組數(shù)字有若干個單數(shù)組成。跟在字符或字符簇后面的花括號(?{}?)用來確定前面的內(nèi)容的重復出現(xiàn)的次數(shù)。

這些例子描述了花括號的三種不同的用法。一個數(shù)字 ?{x}? 的意思是前面的字符或字符簇只出現(xiàn)?x?次 ；一個數(shù)字加逗號 ?{x,}? 的意思是前面的內(nèi)容出現(xiàn)?x?或更多的次數(shù) ；兩個數(shù)字用逗號分隔的數(shù)字 ?{x,y}? 表示 前面的內(nèi)容至少出現(xiàn)?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(shù)字：

^[a-zA-Z0-9_]{1,}$      // 所有包含一個以上的字母、數(shù)字或下劃線的字符串 
^[1-9][0-9]{0,}$        // 所有的正整數(shù) 
^\-{0,1}[0-9]{1,}$      // 所有的整數(shù) 
^[-]?[0-9]+\.?[0-9]+$   // 所有的浮點數(shù)

最后一個例子不太好理解，是嗎？這么看吧：以一個可選的負號 (?[-]??) 開頭 (?^?)、跟著?1?個或更多的數(shù)字(?[0-9]+?)、和一個小數(shù)點(?\.?)再跟上?1?個或多個數(shù)字(?[0-9]+?)，并且后面沒有其他任何東西(?$?)。下面你將知道能夠使用的更為簡單的方法。

特殊字符 ??? 與 {?0,1?} 是相等的，它們都代表著： ?0?個或?1?個前面的內(nèi)容 或 前面的內(nèi)容是可選的 。所以剛才的例子可以簡化為：

^\-?[0-9]{1,}\.?[0-9]{1,}$

特殊字符 ?*? 與 ?{0,}? 是相等的，它們都代表著 ?0? 個或多個前面的內(nèi)容 。最后，字符 ?+? 與 ?{1,}? 是相等的，表示 ?1? 個或多個前面的內(nèi)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(shù)字或下劃線的字符串 
^[1-9][0-9]*$        // 所有的正整數(shù) 
^\-?[0-9]+$          // 所有的整數(shù) 
^[-]?[0-9]+(\.[0-9]+)?$ // 所有的浮點數(shù)

當然這并不能從技術(shù)上降低正則表達式的復雜性，但可以使它們更容易閱讀。