Regex （39）

Regex簡介:

??Regex是用於描述字元排列和匹配模式的一種文法規則。它主要用於字串的模式分割、匹配、尋找及替換操作。到目前為止，我們前面所用過的精確（文本）匹配也是一種Regex。
??在PHP中，Regex一般是由正規字元和一些特殊字元（類似於萬用字元）聯合構成的一個文字模式的程式性描述。

??PHP中，Regex有三個作用：

??匹配，也常常用於從字串中析取資訊。
??用新文本代替匹配文本。
??將一個字串拆分為一組更小的資訊塊。
??一個Regex中至少包含一個原子

在PHP中有兩套Regex函數庫，兩者功能相似，只是執行效率略有差異：

??一套是由PCRE（Perl Compatible Regular Expression）庫提供的。使用“preg_”為首碼命名的函數；
??一套由POSIX（Portable Operating System Interface of Unix）擴充提供的。使用以“ereg_”為首碼命名的函數；
??使用Regex的原因之一，是在典型的搜尋和替換操作中，只能對確切文字進行匹配，對象動態文本的搜尋就有困難了，甚至是不可能的。

Regex的文法規則

PCRERegex:
??PCRE全稱為Perl Compatible Regular Expression，意思是Perl相容Regex。
??PCRE來源於Perl語言，而Perl是對字串操作功能最強大的語言之一，PHP的最初版本就是由Perl開發的產品。
??PCRE文法支援更多特性，比POSIX文法更強大，實現相同的功能函數，使用PCRE庫的效率略佔優勢。但是它們也有很多相同點。
??在PCRE中，通常將模式運算式（即Regex）包含在兩個反斜線“/”之間，如“/apple/”。使用者只要把需要匹配的模式內容放入定界符之間即可。作為定界的字元也不僅僅局限於“/”。除了字母、數字和斜線“\”以外的任何字元都可以作為定界符，像“#”、“|”、“!”等都可以的。

原子(Atom)

原子是組成Regex的基本單位,在分析Regex時，應作為一個整體。
??原子字元包括所有的英文字母、數字、標點符號以及其他一些符號。原子也包括以下內容。
??單個字元、數字，如a-z，A-Z，0-9。
??模式單元，如（ABC）可以理解為由多個原子組成的大的原子。
??原子表，如[ABC]。
??重新使用的模式單元，如：\\1
??普通逸出字元，如：\d，\D，\w
??轉義元字元，如：\*，\.

普通逸出字元

原子說明
-----------------------------------------------------------------
\d　　匹配一個數字；等價於[0-9]
\D　　匹配除數字以外任何一個字元；等價於[^0-9]
\w　　匹配一個英文字母、數字或底線；等價於[0-9a-zA-Z_]
\W　　匹配除英文字母、數字和底線以外任何一個字元；等價於[^0-9a-zA-Z_]
\s　　匹配一個空白字元；等價於[\f\n\r\t\v]
\S　　匹配除空白字元以外任何一個字元；等價於[^\f\n\r\t\v]
\f　　匹配一個換頁符等價於\x0c 或\cL
\n　　匹配一個分行符號；等價於\x0a 或\cJ
\r　　匹配一個斷行符號符等價於\x0d 或\cM
\t　　匹配一個定位字元；等價於\x09\或\cl
\v　　匹配一個垂直定位字元；等價於\x0b或\ck
\oNN　　匹配一個八位元字
\xNN　　匹配一個十六進位數字
\cC　　匹配一個控制字元

元字元(Meta-character)

元字元是用於構造規則運算式的具有特殊含義的字元。如果要在Regex中包含元字元本身，必須在其前加上”\”進行轉義
元字元說明
-----------------------------------------------------------------
* 　　0次、1次或多次匹配其前的原子
+ 　　1次或多次匹配其前的原子
?　　0次或1次匹配其前的原子
|　　匹配兩個或多個選擇
^ 　　或\A匹配字串串首的原子
$ 　　或\Z 匹配字串串尾的原子
\b　　匹配單詞的邊界
\B　　匹配除單詞邊界以外的部分
[]　　匹配方括弧中的任一原子
[^]　　匹配除方括弧中的原子外的任何字元
{m}　　表示其前原子恰好出現m次
{m,n}　　表示其前原子至少出現m次，至少出現n次(n>m)
{m,}　　表示其前原子出現不少於m次
()　　整體表示一個原子
.　　匹配除換行之外的任何一個字元

字串邊界限制

在某些情況下，需要對匹配範圍進行限定，以獲得更準確的匹配結果。“^”和“$”分別指定字串的開始和結束。
??例如，在字串“Tom and Jerry chased each other in the house until tom’s uncelcome in”中
??元字元“^”或“\A”置於字串的開始確保模式比對出現在字串首端；
/^Tom/
??元字元“$”或“\Z”置於字串的結束，確保模式比對出現字串尾端。
/in$/
??如果不加邊界限制元字元，將獲得更多的匹配結果。
/^Tom$/精確匹配　　/Tom/模糊比對

單詞邊界限制

在使用各種編輯軟體的尋找功能時，可以通過選擇“按單詞尋找”獲得更準確的結果。Regex中也提供類似的功能。
??例如：在字串“This island is a beautiful land”中
??元字元“\b”對單詞的邊界進行匹配；
/\bis\b/ 匹配單詞“is”，不匹配“This”和“island”。
/\bis/匹配單詞“is”和“island”中的“is”，不匹配“This”
??元字元“\B”對除單詞邊界以外的部分進行匹配。
/\Bis\B/ 將明確的指示不與單詞的左、右邊界匹配，只匹配單詞的內部。所以在這個例子中沒有結果。
/\Bis/匹配單詞“This”中的“is”

重複匹配

Regex中有一些用於重複匹配某些原子的元字元：“?”、“*”、“+”。他們主要的區別是重複匹配的次數不同。
??元字元“?”:表示0次或1次匹配緊接在其前的原子。
例如：/colou?r/匹配“colour”或“color”。
??元字元“*”:表示0次、1次或多次匹配緊接在其前的原子。
例如：/zo*/可以匹配z、zoo
??元字元“+”:表示1次或多次匹配緊接在其前的原子。
例如：/go+gle/匹配“gogle”、“google”或“gooogle”等中間含有多個o的字串。

任何一個字元

元字元“.”匹配除分行符號外任何一個字元。
??相當於：[^\n](Unix系統)或[^\r\n](windows系統)。
??例如：/pr.y/可以匹配的字串“prey”、“pray”或“pr%y”等。
??通常可以使用“.*”組合來匹配除分行符號外的任何字元。在一些書籍中也稱其為“全匹配符”或“單含匹配符”。
??例如：
??/^a.*z$/表示可以匹配字母“a”開頭，字母“z”結束的任意不包括分行符號的字串。
??/.+/也可以完成類似的匹配功能所不同的是其至少匹配一個字元。
??/^a.+z$/匹配“a％z”不匹配字串“az”

原子表－方括號運算式

原子表”[]”中存放一組原子，彼此地位平等，且僅匹配其中的一個原子。如果想匹配一個”a”或”e”使用[ae]。
??例如: Pr[ae]y匹配”Pray”或者”Prey ”。
??原子表”[^]”或者稱為排除原子表，匹配除表內原子外的任意一個字元。
??例如：/p[^u]/匹配“part”中的“pa”，但無法匹配“computer”中的“pu”因為“u”在匹配中被排除。
??原子表“[-]”用於串連一組按ASCII碼順序排列的原子，簡化書寫。
??例如：/x[0123456789]/可以寫成x[0-9],用來匹配一個由“x”字母與一個數字組成的字串。
??例如：
??/[a-zA-Z]/匹配所有大小寫字母
??/^[a-z][0-9]$/匹配比如“z2”、“t6”、“g7”
??/0[xX][0-9a-fA-F]/匹配一個簡單的十六進位數字，如“0x9”。
??/[^0-9a-zA-Z_]/匹配除英文字母、數字和底線以外任何一個字元，其等價於\W。
??/0?[ xX][0-9a-fA-F]+/匹配十六進位數字，可以匹配“0x9B3C”或者“X800”等。
??/<[A-Za-z][A-Za-z0-9]*>/可以匹配“

”、“”或“”等HTML標籤，並且不嚴格的控制大小寫。

模式選擇符

元字元“|”又稱模式選擇符。在Regex中匹配兩個或更多的選擇之一。
??例如：
??在字串“There are many apples and pears.”中，/apple|pear/在第一次運行時匹配“apple”；再次運行時匹配“pear”。也可以繼續增加選項，如：/apple|pear|banana|lemon/

模式單元

元字元“（）”將其中的Regex變為原子（或稱模式單元）使用。與數學運算式中的括弧類似，“（）”可以做一個單元被單獨使用。
??例如：
??/(Dog)+/匹配的“Dog”、“DogDog”、“DogDogDog”,因為緊接著“+”前的原子是元字元“（）”括起來的字串“Dog”。
??/You (very )+ old/匹配“You very old”、“You very veryold”
??/Hello (world|earth)/匹配“Hello world”、“Hello earth”
??一個模式單元中的運算式將被優先匹配或運算。

重新使用的模式單元

系統自動將模式單元“（）”中的匹配依次儲存起來，在需要時可以用“\1”、“\2”、“\3”的形式進行引用。當Regex包含有相同的模式單元時，這種方法非常便於對其進行管理。注意使用時需要寫成“\\1”、“\\2”
例如：
??/^\d{2}([\W])\d{2}\\1\d{4}$/匹配“12-31-2006”、“09/27/1996”、“86 01 4321”等字串。但上述Regex不匹配“12/34-5678”的格式。這是因為模式“[\W]”的結果“/”已經被儲存。下個位置“\1”引用時，其匹配模式也是字元“/”。
??當不需要儲存匹配結果時使用非儲存模式單元“（？：）”
??例如/(?:a|b|c)(D|E|F)\\1g/ 將匹配“aEEg”。在一些Regex中，使用非儲存模式單元是必要的。否則，需要改變其後引用的順序。上例還可以寫成/（a|b|c）(C|E|F)\\2g/。

以上就介紹了Regex （39），包括了方面的內容，希望對PHP教程有興趣的朋友有所協助。

