在PHP中使用與Perl相容的Regex

前言

　　PHP被大量的應用於Web的後台CGI開發，通常是在使用者資料資料之後得出某種結果，但是如果使用者輸入的資料不正確，就會出現問題，比如說某人的生日是"2月30日"！那應該怎麼樣來檢驗暑假是否正確呢？ 在PHP中加入了Regex的支援，讓我們可以十分方便的進行資料匹配。

什麼是Regex

　　簡單的說，Regex是一種可以用於模式比對和替換的強大工具。在幾乎所有的基於UNIX/LINUX系統的軟體工具中找到Regex的痕迹，例如：Perl或PHP指令碼語言。此外，JavaScript這種用戶端的指令碼語言也提供了對Regex的支援，現在Regex已經成為了一個通用的概念和工具，被各類技術人員所廣泛使用。

　　在某個Linux網站上面有這樣的話：“如果你問一下Linux愛好者最喜歡什麼，他可能會回答Regex；如果你問他最害怕什麼，除了繁瑣的安裝配置外他肯定會說Regex。”

　　正如上面說的，Regex看起來非常複雜，讓人害怕，大多數的PHP初學者都會跳過這裡，繼續下面的學習，但是PHP中的Regex有著可以利用模式比對找到合格字串、判斷字串是否合乎條件或者用指定的字串來替代合格字串等強大的功能，不學實在太可惜了……

Regex的基本文法

　　一個Regex，分為三個部分：分隔字元，運算式和修飾符。

　　分隔字元可以是除了特殊字元以外的任何字元（比如"/ !"等等），常用的分隔字元是"/"。運算式由一些特殊字元（特殊字元詳見下面）和非特殊的字串組成，比如"[a-z0-9_-]+@[a-z0-9_-.]+"可以匹配一個簡單的電子郵件字串。修飾符是用來開啟或者關閉某種功能/模式。下面就是一個完整的Regex的例子：
/hello.+?hello/is
上面的Regex"/"就是分隔字元，兩個"/"之間的就是運算式，第二個"/"後面的字串"is"就是修飾符。

　　在運算式中如果含有分隔字元，那麼就需要使用轉義符號"\"，比如"/hello.+?\/hello/is"。轉義符號除了用於分隔字元外還可以執行特殊字元，全部由字母構成的特殊字元都需要"\"來轉義，比如"\d"代表全體數字。

Regex的特殊字元

　　Regex中的特殊字元分為元字元、定位字元等等。

　　元字元是Regex中一類有特殊意義的字元，用來描述其前置字元（即元字元前面的字元）在被匹配的對象中出現的方式。元字元本身是一個個單一的字元，但是不同或者相同的元字元組合起來可以構成大的元字元。

元字元：

　　大括弧：大括弧用來精確指定匹配元字元出現的次數，例如"/pre{1,5}/"表示匹配的對象可以是"pre"、"pree"、"preeeee"這樣在"pr"後面出現1個到5個"e"的字串。或者"/pre{,5}/"代表pre出現0此到5次之間。

　　加號："+"字元用來匹配元字元前的字元出現一次或者多次。例如"/ac+/"表示被匹配的對象可以是"act"、"account"、"acccc"等在"a"後面出現一個或者多個"c"的字串。"+"相當於"{1,}"。

　　星號："*"字元用來匹配元字元前的字元出現零次或者多次。例如"/ac*/"表示被匹配的對象可以是"app"、"acp"、"accp"等在"a"後面出現零個或者多個"c"的字串。"*"相當於"{0,}"。

　　問號："?"字元用來匹配元字元前的字元出現零次或者1次。例如"/ac?/"表示匹配的對象可以是"a"、"acp"、"acwp"這樣在"a"後面出現零個或者1個"c"的字串。"?"在Regex中還有一個非常重要的作用，即"貪婪模式"。

　　還有兩個很重要的特殊字元就是"[ ]"。他們可以匹配"[]"之中出現過的字元，比如"/[az]/"可以匹配單個字元"a"或者"z"；如果把上面的運算式改成這樣"/[a-z]/"，就可以匹配任何單個小寫字母，比如"a"、"b"等等。

　　如果在"[]"中出現了"^"，代表本運算式不匹配"[]"內出現的字元，比如"/[^a-z]/"不匹配任何小寫字母！並且Regex給出了幾種"[]"的預設值：
[:alpha:]：匹配任何字母
[:alnum:]：匹配任何字母和數字
[:digit:]：匹配任何數字
[:space:]：匹配空格符
[:upper:]：匹配任何大寫字母
[:lower:]：匹配任何小寫字母
[:punct:]：匹配任何標點符號
[:xdigit:]：匹配任何16進位數字

　　另外下面這些特殊字元在轉義符號"\"轉義後代表的含義如下：
s：匹配單個的空格符
S：用於匹配除單個空格符之外的所有字元。
d：用於匹配從0到9的數字，相當於"/[0-9]/"。
w：用於匹配字母，數字或底線，相當於"/[a-zA-Z0-9_]/"。
W：用於匹配所有與w不匹配的字元，相當於"/[^a-zA-Z0-9_]/"。
D：用於匹配任何非10進位的數字字元。
.：用於匹配除分行符號之外的所有字元，如果經過修飾符"s"的修飾，"."可以代表任一字元。

　　利用上面的特殊字元可以很方便的表達一些比較繁瑣的模式比對。例如"/\d0000/"利用上面的Regex可以匹配萬以上，十萬一下的整數字串。

定位字元：

　　定位字元是Regex中又一類非常重要的字元，它的主要作用是用於對字元在匹配對象中的位置進行描述。
^：表示匹配的模式出現在匹配對象的開頭（和在"[]"裡面不同）
$：表示匹配的模式出現在匹配對象的末尾
空格：表示匹配的模式出現在開始和結尾的兩個邊界之一
"/^he/"：可以匹配以"he"字元開頭的字串，比如hello、height等等；
"/he$/"：可以匹配以"he"字元結尾的字串即she等；
"/ he/"：空格開頭，和^的作用一樣，匹配以he開頭的字串；
"/he /"：空格結束，和$的作用一樣，匹配以he結尾的字串；
"/^he$/"：表示只和字串"he"匹配。
Regex除了可以使用者匹配，還可以用括弧"()"來記錄需要的資訊，儲存起來，給後面的運算式讀取。比如：
/^([a-zA-Z0-9_-]+)@([a-zA-Z0-9_-]+)(.[a-zA-Z0-9_-])$/
就是記錄郵件地址的使用者名稱，和郵件地址的伺服器位址（形式為username@server.com之類的），在後面如果想要讀取記錄下來的字串，只是需要用"轉義符＋記錄的次序"來讀取。比如"\1"就相當於第一個"[a-zA-Z0-9_-]+"，"\2"相當於第二個([a-zA-Z0-9_-]+)，"\3"就是第三個(.[a-zA-Z0-9_-])。但是在PHP中，"\"是一個特殊的字元，需要轉義，所以""到了PHP的運算式中就應該寫成"\\1"。
其他特殊符號：
"|"：或符號"|"和PHP裡面的或一樣，不過是一個"|"，而不是PHP的兩個"||"！意思就是可以是某個字元或者另一個字串，比如"/abcd|dcba/"可能匹配"abcd"或者"dcba"。

貪婪模式

　　前面在元字元中提到過"?"還有一個重要的作用，即"貪婪模式"，什麼是"貪婪模式"呢？

　　比如我們要匹配以字母"a"開頭字母"b"結尾的字串，但是需要匹配的字串在"a"後面含有很多個"b"，比如"a bbbbbbbbbbbbbbbbb"，那Regex是會匹配第一個"b"還是最後一個"b"呢？如果你使用了貪婪模式，那麼會匹配到最後一個"b"，反之只是匹配到第一個"b"。
使用貪婪模式的運算式如下：
/a.+?b/
/a.+b/U
不使用貪婪模式的如下：
/a.+b/
上面使用了一個修飾符U，詳見下面的部分。

修飾符

　　在Regex裡面的修飾符可以改變正則的很多特性，使得Regex更加適合你的需要（注意：修飾符對於大小寫是敏感的，這意味著"e"並不等於"E"）。Regex裡面的修飾符如下：
i ：如果在修飾符中加上"i"，則正則將會取消大小寫敏感性，即"a"和"A" 是一樣的。
m：預設的正則開始"^"和結束"$"只是對於正則字串如果在修飾符中加上"m"，那麼開始和結束將會指字串的每一行：每一行的開頭就是"^"，結尾就是"$"。
s：如果在修飾符中加入"s"，那麼預設的"."代表除了分行符號以外的任何字元將會變成任一字元，也就是包括分行符號！
x：如果加上該修飾符，運算式中的空白字元將會被忽略，除非它已經被轉義。
e：本修飾符僅僅對於replacement有用，代表在replacement中作為PHP代碼。
A：如果使用這個修飾符，那麼運算式必須是匹配的字串中的開頭部分。比如說"/a/A"匹配"abcd"。
E：與"m"相反，如果使用這個修飾符，那麼"$"將匹配絕對字串的結尾，而不是分行符號前面，預設就開啟了這個模式。
U：和問號的作用差不多，用於設定"貪婪模式"。

PCRE相關的Regex函數

　　PHP的Perl相容Regex提供的多個函數，分為模式比對，替換和匹配數目等等：

1、preg_match ：
函數格式：int preg_match(string pattern, string subject, array [matches]);
這個函數會在string中使用pattern運算式來匹配，如果給定了[regs]，就會將string記錄到[regs][0]中，[regs][1]代表使用括弧"（）"記錄下來的第一個字串，[regs][2]代表記錄下來的第二個字串，以此類推。preg如果在string中找到了匹配的pattern，就會返回"true"，否則返回"false"。

2、preg_replace ：
函數格式：mixed preg_replace(mixed pattern, mixed replacement, mixed subject);
這個函數會使用將string中符合運算式pattern的字串全部替換為運算式replacement。如果replacement中需要包含pattern的部分字元，則可以使用"()"來記錄，在replacement中只是需要用"\1"來讀取。

3、preg_split ：
函數格式：array preg_split(string pattern, string subject, int [limit]);
這個函數和函數split一樣，區別僅在與split可以使用簡單Regex來分割匹配的字串，而preg_split使用完全的Perl相容Regex。第三個參數limit代表允許返回多少個合格值。

4、preg_grep ：
函數格式：array preg_grep(string patern , array input);
這個函數和preg_match功能基本上，不過preg_grep可以將給定的數組input中的所有元素匹配，返回一個新的數組。 下面舉一個例子，比如我們要檢查Email地址的格式是否正確：

<?php
function emailIsRight($email) {
if (preg_match("^[_.0-9a-z-]+@([0-9a-z][0-9a-z-]+.)+[a-z]{2,3}$",$email)) {
return 1;
}
return 0;
}
if(emailIsRight('y10k@963.net')) echo '正確<br>';
if(!emailIsRight('y10k@fffff')) echo '不正確<br>';
?>

上面的程式會輸出"正確<br>不正確"。

PHP中的Perl相容Regex和Perl/EregRegex的區別

　　雖然叫做“Perl相容Regex”，但是和Perl的Regex相比，PHP的還是由一些不同，比如修飾符“G”在Perl裡面代表全部匹配，但是在PHP中沒有加入對這個修飾符的支援。
　　還有就是和ereg系列函數的區別，ereg也是PHP中提供的Regex函數，不過和preg相比，要弱上很多。

　　1、ereg裡面是不需要也不能使用分隔字元和修飾符的，所以ereg的功能比preg要弱上不少。
　　2、關於"."：點在正則裡面一般是除了分行符號以外的全部字元，但是在ereg裡面的"."是任一字元，即包括分行符號！如果在preg裡面希望"."能夠包括分行符號，可以在修飾符中加上"s"。
　　3、ereg預設使用貪婪模式，並且不能修改，這個給很多替換和匹配帶來麻煩。
　　4、速度：這個或許是很多人關心的問題，會不會preg功能強大是以速度來換取的？不用擔心，preg的速度要遠遠比ereg快，筆者做了一個程式測試：

<?php
echo "Preg_replace used time:";
$start = time();
for($i=1;$i<=100000;$i++) {
$str = "ssssssssssssssssssssssssssss";
preg_replace("/s/","",$str);
}
$ended = time()-$start;
echo $ended;
echo "ereg_replace used time:";
$start = time();
for($i=1;$i<=100000;$i++) {
$str = "ssssssssssssssssssssssssssss";
ereg_replace("s","",$str);
}
$ended = time()-$start;
echo $ended;
echo "str_replace used time:";
$start = time();
for($i=1;$i<=100000;$i++) {
$str = "sssssssssssssssssssssssssssss";
str_replace("s","",$str);
}
$ended = time()-$start;
echo $ended;
?>

結果：
Preg_replace used time:5
ereg_replace used time:15
str_replace used time:2
str_replace因為不需要匹配所以速度非常快，而preg_replace的速度比ereg_replace要快上不少。

關於PHP3.0對於preg的支援

　　在PHP 4.0中預設加入了preg支援，但是在3.0中確沒有。如果在3.0中希望使用preg函數，必須載入php3_pcre.dll檔案，只要在php.ini的extension部分設定加入"extension = php3_pcre.dll"然後從新啟動PHP就可以了！

　　其實Regex還常用於UbbCode的實現，很多PHP論壇都使用了這個方法（比如zForum zphp.com或者vB vbullent.com），但是具體的代碼比較長。