正则表达式，字符串的匹配与查找函数，数组切割

PHP中的正则表达式

在php中，有两套正则表达式函数库，两者功能相似、知识执行效率略有差异：

PCRE库提供，使用preg_为前缀命名的函数
POSIX扩展提供的。使用以ereg_为前缀命名的函数

PCRE来源于Perl语言，而Perl是对字符串操作功能最强大的语言之一，PHP的最初版本就是由Perl开发的产品。

PCRE语法支持更多特性，比POSIX语法更强大。

与Perl语言兼容的正则表达式处理函数

函数名	功能描述
preg_match()	进行正则表达式匹配
preg_match_all()	进行全局正则表达式匹配
preg_replace()	执行正则表达式的搜索和替换
preg_split()	用正则表达式分割字符串
preg_grep()	返回与模式匹配的数组单元
preg_replace_callback	用回调函数执行正则表达式的搜索和替换

正则表达式语法规则

正则表达式作为一个匹配的模板，是由原子（普通字符，例如字符a到z）、特殊字符（元字符，例如*、+和？等）、以及模式修正符三部分组成的匹配模板。

定界符

在程序语言中，使用与Perl兼容的正则表达式，通常都需要将模式表达式放入定界符之间，如/。

作为定界符常使用反斜线/，如/apple/。用户只要把需要匹配的模式内容放入定界符之间即可。作为定界的字符也不仅仅局限于/。除了字母、数字和斜线\以外的任何字符都可以作为定界符，像 #、|、! 等都可以的。

/<\/\w+>/						--使用反斜线作为定界符合法
|(\d{3})-\d+|Sm 		--使用竖线”|”作为定界符合法
!^(?i)php[34]!			--使用竖线”!”作为定界符合法
{^\s+(\s+)?$}	 			--使用竖线”}”作为定界符合法
/href=‘(.*)’	 			--非法定界符，缺少结束定界符
1-\d3-\d3-\d4|	 		--非法定界符，缺少定界符

原子

原子是正则表达式的最基本的组成单元，而且在每个模式中最少要少包含一个原子。原子是由所有那些未显示指定为元字符的打印和非打印字符组成，具体分为5类。

普通字符作为原子：如 a~z、A~Z、0~9 等
一些特殊字符和转义后元字符作为原子：所有标点符号，但语句特殊意义的符号需要转义后才可作为原子，如：\” \’ \* \+ \? \. 等
一些非打印字符作为原子：如：\f \n \r \t \v \cx
使用“通用字符类型”作为原子：如：\d \D \w \W \s \S。
自定义原子表([])作为原子：如：/[apj]sp/、/[^apj]sp/
正则表达式中常用的非打印字符

原子字符	含义描述
\cx	匹配由x指明的控制字符。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。
\f	匹配一个换页符。等价于 \x0c或\cL
\n	匹配一个换行符。等价于 \x0a或\cJ
\r	匹配一个回车符。等价于 \x0d或\cM
\t	匹配一个制表符。等价于 \x09或\cI
\v	匹配一个垂直制表符。等价于 \x0b或\cK

正则表达式中常用的“通用字符类型”

原子字符	含义描述
\d	匹配任意一个十进制数字，等价于[0-9]
\D	匹配任意一个除十进制数字以外的字符，等价于[^0-9]
\s	匹配任意一个空白符，等价于[\f\n\r\t\v]
\S	匹配除空白符以外任何字符，等价于[^\f\n\r\t\v]
\w	匹配任意一个数字、字母或下画线，等价于[0-9a-zA-Z_]
\W	匹配一个除数字、字母或下画线以外的任意一个字符，等价于[^0-9a-zA-Z_]

元字符

元字符	含义描述
*****	匹配0次、1次或多次其前的原子
+	匹配1次或多次其前的原子
？	匹配0次或1次其前的原子
.	匹配除了换行符外的任意一个字符
**	**
{n}	表示其前面的原子恰好出现n次
{n,}	表示其前面的原子出现不小于n次
{n,m}	表示其前面的原子至少出现n次，最多出现m次
^或\A	匹配输入字符串的开始位置（或在多行模式下行的开头，即紧随一个换行符之后）
$或\Z	匹配输入字符串的结束位置（或在多行模式下行的结尾，即紧随一个换行符之前）
\b	匹配单词的边界
\B	匹配除单词边界以外的部分
[]	匹配方括号中指定的任意一个原子
[^]	匹配除方括号中的原子以外的任意一个字符
( )	匹配其整体为一个原子，即模式单元。可以理解为由多个单个原子组成的大原子

字符串边界限制

^：指定字符串的开始

&：指定支付的结束

$check = '/^apple/';	//^匹配字符串开头为apple
$check = '/apple$/';	//$匹配字符串结尾为apple
$check = '/^apple$/';	//完全匹配字符串是apple
$check = '/apple/';		//模糊匹配字符串含有apple
preg_match($check, 'apple',$info);
var_dump($info);	//输出array(1) { [0]=> string(5) "apple" }

单词边界限制

在使用各种编辑软件的查找功能时，可以通过选择“按单词查找”获得更准确的结果。正则表达式中也提供类似的功能。

例如：在字符串“This island is a beautiful land”中

\b：对单词的边界进行匹配

\B：对除单词边界以外的部分进行匹配

$check = '/\bis\b/';	//完全匹配单词is
$check = '/\bis/';		//匹配单词is开头的
$check = '/\Bis\B/';	//不与单词的左、右边界匹配，只匹配单词的内部。
$check = '/\Bis/';		//匹配非is开头的单词
preg_match_all($check, 'This island is a beautiful land',$info);
var_dump($info);

重复匹配

正则表达式中有一些用于重复匹配某些原子的元字符：“?”、“*”、“+”。他们主要的区别是重复匹配的次数不同。

?：表示0次或1次匹配紧接在其前的原子
*：表示0次、1次或多次匹配紧接在其前的原子

+：表示1次或多次匹配紧接在其前的原子

$check = '/Th?is/';		//匹配Tis,This
$check = '/Th*is/';		//匹配Tis,This,Thhis等
$check = '/Th+is/';		//匹配This,Thhis等
preg_match($check, 'This',$info);
var_dump($info);

{}：准确的指定原子重复的次数，指定匹配所匹配的原子出现的次数
- {m}：表示其前原子恰好出现m次
- {m,n}：表示其前原子至少出现m次，至多出现n次
- {m,}：表示其前原子出现不少于m次
  1
  2
  3
  4
  5
  $check = '/This{1}/'; //匹配This
  $check = '/This{1,2}/'; //匹配This或Thiss
  $check = '/This{1,}/'; //匹配This...
  preg_match($check, 'Thissss',$info);
  var_dump($info);
  任何一个字符
.：匹配除换行符外任何一个字符

通常可以使用“.*”组合来匹配除换行符外的任何字符。

$check = '/^a.*z$/';		//匹配字母a开头,z结尾的任意不包含换行符的字符串
$check = '/^a.+z$/';		//匹配字母a开头,z结尾的三个字符串,不匹配"az"
preg_match($check, 'aasdasdsaz',$info);
var_dump($info);

方括号表达式

[]：存放一组原子，彼此地位平等，仅匹配其中的一个原子。例如想匹配一个a或e，使用[ae]。
- 例如:Pr[ae]y 匹配 Pray或者 Prey。
[^]：排除原子表，匹配除表内原子外的任意一个字符。
- 例如：/p[^u]/匹配part中的pa，但无法匹配computer中的pu因为u在匹配中被排除。
[-]：用于连接一组按ASCII码顺序排序的原子，简化书写。
- 例如：/x[0123456789]/可以写成x[0-9],用来匹配一个由 x 字母与一个数字组成的字符串。
  
  其他常用的匹配：
  /[a-zA-Z]/匹配所有大小写字母
  /^[a-z][0-9]$/匹配比如“z2”、 “t6” 、“g7”
  /0[xX][0-9a-fA-F]/匹配一个简单的十六进制数字，如“0x9”。
  /[^0-9a-zA-Z_]/匹配除英文字母、数字和下划线以外任何一个字符，其等价于\W。
  /0?[ xX][0-9a-fA-F]+/匹配十六进制数字，可以匹配“0x9B3C”或者“X800”等。
  /<[A-Za-z][A-Za-z0-9]*>/可以匹配“
  ”、“”或“”等HTML标签，并且不严格的控制大小写。

模式选择符

|：在正则表达式中匹配两个或更多的选择之一
- 例如：在字符串There are many apples and pears中， /apple|pear/在第一次运行时匹配apple，再次运行时匹配pear。也可以继续增加选项，如：/apple|pear|banana|lemon/
  模式单元符
()：将其中的正则表达式变为原子（或称模式单元）使用，与数学表达式中的括号类似。
- 例1：/(Dog)+/匹配的Dog、DogDog、DogDogDog,因为紧接着+前的原子是元字符()括起来的字符串Dog。
- 例2：/Hello (world|earth)/匹配Hello world、Hello earth。
  
  一个模式单元中的表达式将被优先匹配或运算。

重新使用的模式单元

系统自动将模式单元()中的匹配依次存储起来，在需要时可以用\1、\2、\3的形式进行引用。当正则表达式包含有相同的模式单元时，这种方法非常便于对其进行管理。注意使用时需要写成\\1、\\2

例如：/^\d{2}([\W])\d{2}\\1\d{4}$/匹配12-31-2006、09/27/1996、86 01 4321等字符串。但上述正则表达式不匹配12/34-5678的格式。这是因为模式[\W]的结果/已经被存储。下个位置\1引用时，其匹配模式也是字符/。

当不需要存储匹配结果时使用非存储模式单元(?:)

例如：/(?:a|b|c)(D|E|F)\\1g/ 将匹配aEEg。在一些正则表达式中，使用非存储模式单元是必要的。否则，需要改变其后引用的顺序。上例还可以写成/(a|b|c)(C|E|F)\\2g/。
模式匹配的优先级

顺序	元字符	描述
1	\	转义字符
2	() (?:) (?=) []	模式单元和原子表
3	* + ? {n} {n,} {n,m}	重复匹配
4	^ $ \b \B \A \Z	边界限制
5	**	**

模式修正符

修正符	含义描述
i	在和模式进行匹配时不区分大小写
m	将字符串视为多行。默认的正则开始“^”和结束“$”将目标字符串作为单一的一“行”字符。加上m后，那么开始和结束将会指字符串的每一行。
s	如果设定了此修正符，模式中的圆点元字符“.”匹配所有的字符，包括换行符。即将字符串视为单行，换行符作为普通字符看待
x	模式中的空白忽略不计，除非它已经被转义
e	只用在preg_replace()函数中，在替换字符串中对逆向引用做正常的替换，将其作为 PHP 代码求值，并用其结果来替换所搜索的字符串。
U	本修正符反转了匹配数量的值使其不是默认的重复，而变成在后面跟上“?”才变得重复。这和 Perl 不兼容。也可以通过在模式之中设定 (U) 修正符或者在数量符之后跟一个问号（如启.*?）来用此选项。
D	模式中的美元元字符仅匹配目标字符串的结尾。没有此选项时，如果最后一个字符是换行符的话，美元符号也会匹配此字符之前。如果设定了 m 修正符则忽略此选项

与Perl兼容的正则表达式函数

字符串的匹配和查找函数

preg_match()：执行一个正则表达式匹配

// 一个用于匹配URL的正则表达式
$pattern = '/(https?|ftps?):\/\/(www)\.([^\.\/]+)\.(com|net|org)(\/[\w-\.\/\?\%\&\=]*)?/i'; 
//被搜索字符串
$subject = "网址为http://www.lampbrother.net/index.php的位置是LAMP兄弟连";    
//使用preg_match()函数进行匹配
if(preg_match($pattern, $subject, $matches)) {          
    echo "搜索到的URL为：".$matches[0]."<br>";    //数组中第一个元素保存全部匹配结果
    echo "URL中的协议为：".$matches[1]."<br>";    //数组中第二个元素保存第一个子表达式
    echo "URL中的主机为：".$matches[2]."<br>";    //数组中第三个元素保存第二个子表达式
    echo "URL中的域名为：".$matches[3]."<br>";    //数组中第四个元素保存第三个子表达式
    echo "URL中的顶域为：".$matches[4]."<br>";    //数组中第五个元素保存第四个子表达式
    echo "URL中的文件为：".$matches[5]."<br>";    //数组中第六个元素保存第五个子表达式
} else {
    echo "搜索失败！";                             //如果和正则表达式没有匹配成功则输出
}

preg_match_all()：执行全局正则表达式匹配

//声明一个可以匹配URL的正则表达式
$pattern = '/(https?|ftps?):\/\/(www|bbs)\.([^\.\/]+)\.(com|net|org)(\/[\w-\.\/\?\%\&\=]*)?/i';  
// //声明一个包含多个URL链接地址的多行文字
$subject = "网址为http://bbs.lampbrother.net/index.php的位置是LAMP兄弟连，
        网址为http://www.baidu.com/index.php的位置是百度，
        网址为http://www.google.com/index.php的位置是谷歌。";
$i = 1;    //定义一个计数器，用来统计搜索到的结果数
// //搜索全部的结果
if(preg_match_all($pattern, $subject, $matches, PREG_SET_ORDER)) {  
	foreach($matches as $urls) {     //循环遍历二维数组$matches
	    echo "搜索到第".$i."个URL为：".$urls[0]."<br>";   
	    echo "第".$i."个URL中的协议为：".$urls[1]."<br>";   
	    echo "第".$i."个URL中的主机为：".$urls[2]."<br>";   
	    echo "第".$i."个URL中的域名为：".$urls[3]."<br>";  
	    echo "第".$i."个URL中的顶域为：".$urls[4]."<br>";   
	    echo "第".$i."个URL中的文件为：".$urls[5]."<br>";  
	    $i++;  //计数器累加
	}   
} else {
    echo "搜索失败！";
}

preg_grep()：返回匹配模式的数组条目

$array = array("Linux RedHat9.0", "Apache2.2.9", "MySQL5.0.51", "PHP5.2.6", "LAMP", "100");
//返回数组中以字母开始和以数字结束，并且没有空格的单元，赋给变量$version
$version = preg_grep("/^[a-zA-Z]+(\d|\.)+$/", $array);  
print_r($version);      
//输出：Array ( [1] => Apache2.2.9 [2] => MySQL5.0.51 [3] => PHP5.2.6 )

其它字符串处理函数：strstr()、strpos()、strrpos()、substr()字符串的替换函数
1
2
echo strstr("this is a test!", "test"); //输出test!
echo strstr("this is a test!", 115); //搜索 "s" 的ASCII值所代表的字符输出s is a test!
字符串替换函数
preg_replace：执行一个正则表达式的搜索和替换

示例1：替换HTML标记

//可以匹配所有HTML标记的开始和结束的正则表达式
$pattern = "/<[\/\!]*?[^<>]*?>/is";             

//声明一个带有多个HTML标记的文本
$text = "这个文本中有<b>粗体</b>和<u>带有下画线</u>以及<i>斜体</i>
         还有<font color='red' size='7'>带有颜色和字体大小</font>的标记";        
echo $text; 
echo "<br><br>";
//将所有HTML标记替换为空，即删除所有HTML标记
echo preg_replace($pattern, "", $text);     
echo "<br><br>";
//通过第四个参数传入数字2，替换前两个HTML标记
echo preg_replace($pattern, "", $text, 2);

示例2：替换日期格式

$pattern = "/(\d{2})\/(\d{2})\/(\d{4})/"; //日期格式的正则表达式
$text="今年国庆节放假日期为10/01/2012到10/07/2012共7天。"; //带有两个日期格式的字串
echo preg_replace($pattern, "\\3-\\1-\\2", $text); //将日期替换为以“-”分隔的格式
echo preg_replace($pattern, "\${3}-\${1}-\${2}",$text); //将“\\1”改为“\${1}”的形式

str_replace ：子字符串替换

该函数返回一个字符串或者数组。通过$count参数指定来获取替换的次数。

示例1：

//声明包含多个“LAMP”字符串的文本，也包含小写的“lamp”字符串
$str="LAMP是目前最流行的WEB开发平台；<br>LAMP为B/S架构软件开发的黄金组合；<br>LAMP每个成员都是开源软件；<br>lampBrother是LAMP的技术社区。<br>";
//区分大小写的将“LAMP”替换为“Linux+Apache+MySQL+PHP”，并统计替换次数
echo str_replace("LAMP", "Linux+Apache+MySQL+PHP",$str, $count);
echo "区分大小写时共替换".$count."次<br>";    //替换4次
//不区分大小写的将“LAMP”替换为“Linux+Apache+MySQL+PHP”，并统计替换次数
echo str_ireplace("LAMP", "Linux+Apache+MySQL+PHP", $str,$count);
echo "不区分大小写时共替换".$count."次<br>";    //替换5次

示例2：

//元音字符数组
$vowels = array("a", "e", "i", "o", "u", "A", "E", "I", "O", "U");  
//将第三个参数中的字符串，搜索到的数组中的元素值都被替换为空，区分大写小替换
echo str_replace($vowels, "", "Hello World of PHP");  //输出: Hll Wrld f PHP
//元音字符数组
$vowels = array("a", "e", "i", "o", "u");                           
//将第三个参数中的字符串，搜索到的数组中的元素值都被替换为空，不区分大写小替换
echo str_ireplace($vowels, "", "HELLO WORLD OF PHP"); //输出：HLL WRLD F PHP

字符串的分割与连接

preg_split：通过一个正则表达式分隔字符串

PREG_SPLIT_NO_EMPTY：返回分隔后的非空部分
PREG_SPLIT_DELIM_CAPTURE：用于分隔的模式中的括号表达式将被捕获并返回.

PREG_SPLIT_OFFSET_CAPTURE：返回附加字符串偏移量

//按任意数量的空格和逗号分隔字符串，其中包含" ", \r, \t, \n and \f
$keywords = preg_split ("/[\s,]+/", "hypertext language, programming");
print_r($keywords);     
//分割后输出Array ( [0] => hypertext [1] => language [2] => programming ) 

//将字符串分割成字符
$chars = preg_split('//', "lamp", -1, PREG_SPLIT_NO_EMPTY);
print_r($chars);        //分割后输出Array ( [0] => l [1] => a [2] => m [3] => p ) 

//将字符串分割为匹配项及其偏移量
$chars = preg_split('/ /','hypertext language programming', -1, 
			PREG_SPLIT_OFFSET_CAPTURE);
print_r($chars);    

/* 分割后输出:
    Array ( [0] => Array ( [0] => hypertext [1] => 0 ) 
               [1] => Array ( [0] => language [1] => 10 ) 
               [2] => Array ( [0] => programming [1] => 19 ) )     */

explode：使用一个字符串分割另一个字符串

array explode(string $separator,string $string[,int $limit])
此函数返回由字符串组成的数组，每个元素都是 string的一个子串，它们被字符串 separator作为边界点分割出来。其中$limit是指定对大分割个数。

$lamp = "Linux Apache MySQL PHP";   //声明一个字符串$lamp，每个单词之间使用空格分割
$lampbrother = explode(" ", $lamp); //将字符串$lamp使用空格分割，并组成数组返回

$password = "redhat:*:500:508::/home/redhat:/bin/bash"; //将Linux中的用户文件的一行提出
//按“：”分割7个子串,并存放对对应的变量中.
list($user, $pass, $uid, $gid, , $home, $shell) = explode(":", $password);  

//声明字符串$lamp，每个单词之间使用加号“+”分割
$lamp = "Linux+Apache+MySQL+PHP";  
//使用正数限制子串个数，而最后那个元素将包含 $lamp中 的剩余部分
print_r(explode('+', $lamp, 2));  //输出Array ( [0] => Linux [1] => Apache+MySQL+PHP )
//使用负数限制子串，则返回除了最后的限制个元素外的所有元素
print_r(explode('+', $lamp, -1));  //输出Array ( [0] => Linux [1] => Apache [2] => MySQL )

implode：使用一个子串组装一个数组。

string implode(string $glue,array $pieces)
将pieces数组中的每个值，使用glue作为分隔符组装成一个子串并返回。

1
2
3

$lamp = array("Linux", "Apache", "MySQL", "PHP");
echo implode("+", $lamp);      //使用加号连接后输出Linux+Apache+MySQL+PHP
echo join("+++", $lamp);        //使用三个加号连接后输出Linux+++Apache+++MySQL+++PHP