第4章 数据处理-php正则表达式-郑阿奇(续)

1.正则表达式基础知识

　　含义：由普通字符和（a-z)和一些特殊字符组成的字符串模式

　　功能：有效性验证。

　　替换文本。

　　从一个字符串提取一个子字符串。

　　分类：POSIX和Perl

　　POSIX风格更容易掌握，但不能用于二进制模式，而perl相对比较复杂。

　　2.POSIX风格的正则表达式

　　1.编写正则表达式

　　表4.3 POSIX正则表达式语法格式列表

　　

字 符	描 述
\	转义字符，用于转义特殊字符。例如，'.'匹配单个字符，'\.'匹配一个点号。'\-'匹配连字符'-'，'\\'匹配符号'\'
^	匹配输入字符串的开始位置。例如'^he'表示以'he'开头的字符串
$	匹配输入字符串的结束位置。例如，'ok$'表示以'ok'结尾的字符串
*	匹配前面的子表达式零次或多次。例如，'zo*'能匹配"z"以及"zoo"。*等价于{0,}
+	匹配前面的子表达式一次或多次。例如，'zo+'能匹配"zo"以及"zoo"，但不能匹配"z"。+等价于{1,}
?	匹配前面的子表达式零次或一次。例如，'do(es)?'可以匹配"do"或"does"中的"do"。'?'等价于{0,1}
{n}	n是一个非负整数。匹配确定的n次。例如，'o{2}'不能匹配"Bob"中的'o'，但是能匹配"food" 中的两个'o'
{n,}	n是一个非负整数。至少匹配n次。例如，'o{2,}'不能匹配"Bob"中的'o'，但能匹配"foooood" 中的所有'o'。'o{1,}'等价于'o+'。'o{0,}'则等价于'o*'
{n,m}	m和n均为非负整数，其中n≤m。最少匹配n次且最多匹配m次。例如，"o{1,3}"将匹配"fooooood"中的前三个'o'。'o{0,1}'等价于'o?'。请注意在逗号和两个数之间不能有空格
?	当该字符紧跟在任何一个其他限制符（*, +, ?, {n}, {n,}, {n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如，对于字符串"oooo"，'o+?'将匹配单个"o"，而'o+' 将匹配所有'o'
.	匹配除"\n"之外的任何单个字符，要匹配包括'\n' 在内的任何字符，可以使用'[.\n]'的模式
(pattern)	匹配pattern并获取这一匹配。所获取的匹配保存到相应的数组中。要匹配圆括号字符，请使用 '\(' 或 '\)'
(?:pattern)	匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储。这在使用"或"|"来组合一个模式的各个部分时很有用。例如，'industr(?:y|ies).就是一个比'industry|industries'更简略的表达式
(?=pattern)	正向预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，'Windows(?=95|98|NT|2000)'能匹配"Windows 2000"中的"Windows"，但不能匹配"Windows 3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始
(?!pattern)	负向预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows(?!95|98|NT|2000)'能匹配"'Windows 3.1"中的"Windows"，但不能匹配"Windows 2000"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始
x|y	匹配x或y。例如，'z|food' 能匹配"z"或"food"，'(z|f)ood'则匹配"zood"或"food"
[xyz]	字符集合。匹配所包含的任意一个字符。例如，'[abc]'可以匹配"plain"中的'a'
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，'[^abc]'可以匹配"plain"中的'p'
[a-z]	字符范围。匹配指定范围内的任意字符。例如，'[a-z]'可以匹配'a'到'z' 范围内的任意小写字母字符
[^a-z]	负值字符范围。匹配不在指定范围内的任意字符。例如，'[^a-z]'可以匹配不在'a' 到'z'范围内的任意字符

以下是几个简单的正则表达式的例子：

　　●'[A-Za-z0-9] '：表示所有的大写字母、小写字母及0到9的数字。

　　●'^hello'：表示以hello开始的字符串。

　　●'world$'：表示以world结尾的字符串。

　　●'.at'：表示以除"\n"外的任意单个字符开头并以"at"结尾的字符串，如"cat"、"nat"等。

　　●'^[a-zA-Z]'：表示一个以字母开头的字符串。

　　●'hi{2}'：表示字母h后跟着两个i即hii。

　　●'(go)+'：表示至少含有一个'go'字符串的字符串，如'gogo'

　　身份证号码一般由18位数字或17位数字后面加一个X或Y字母组成，要匹配身份证号码，可以写作：

　　^[0-9]{17}([0-9]|X|Y)$

　　Email地址的正则表达式可以写作：

　　^[a-zA-Z0-9\-]+@[a-zA-Z0-9\-]+\.[a-zA-Z0-9\-\.]+$

　　2.字符串的匹配

　　ereg()和eregi()函数

　　使用ereg()函数可以查找字符串与子字符串匹配的情况，并返回匹配字符串的长度，还可以借助参数返回匹配字符的数组。语法格式如下：

　　int ereg(string ($pattern) , string $string [, array $regs ])

　　

　　3.字符串的替换

　　ereg_replace()函数语法格式如下：

　　string ereg_replace(string $pattern , string $replacement , string $string)

　　说明：函数使用字符串$replacement替换字符串$string中与$pattern匹配的部分，并返回替换后的字符串。若未找到匹配项，则原样返回

　　

　　4.分割数组

　　使用split()函数可以完成与explode()函数一样的功能，而且可以根据给出的正则表达式来分割字符串，并返回一个数组。语法格式如下：

　　array split(string $pattern , string $string [, int $limit ])

　　5.产生正则表达式

　　3.Perl兼容的正则表达式

　　1.编写正则表达式

　　表4.4 Perl兼容正则表达式扩充的语法格式

　　

字 符	描 述
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如，'er\b'可以匹配"never"中的 'er'，但不能匹配"verb"中的'er'
\B	匹配非单词边界。'er\B'能匹配"verb"中的'er'，但不能匹配"never"中的'er'
\cx	匹配由x指明的控制字符。例如，'\cM'匹配一个Control-M或回车符。x的值必须为A～Z或a～z之一。否则，将'c'视为一个原义的'c'字符
\d	匹配一个数字字符。等价于'[0-9]'
\D	匹配一个非数字字符。等价于'[^0-9]'
\f	匹配一个换页符。等价于'\x0c'和'\cL'
\n	匹配一个换行符。等价于'\x0a'和'\cJ'
\r	匹配一个回车符。等价于'\x0d'和'\cM'
\s	匹配任何空白字符，包括空格、制表符、换页符等。等价于' [ \f\n\r\t\v] '
\S	匹配任何非空白字符。等价于' [^ \f\n\r\t\v] '
\t	匹配一个制表符。等价于'\x09'和'\cI'
\v	匹配一个垂直制表符。等价于'\x0b'和'\cK'
\w	匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'
\W	匹配任何非单词字符，等价于'[^A-Za-z0-9_]'
\xn	匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配"A"。'\x041'则等价于'\x04' & "1"。正则表达式中可以使用ASCII编码
\num	匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，'(.)\1'匹配两个连续的相同字符
\n	标志一个八进制转义值或一个后向引用。如果\n之前至少有n个获取得子表达式，则n为后向引用。否则，如果n为八进制数字（0～7），则n为一个八进制转义值
\nm	标志一个八进制转义值或一个后向引用。如果\nm之前至少有nm个获取得子表达式，则 nm为后向引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的后向引用。如果前面的条件都不满足，若 n和m均为八进制数字（0～7），则\nm将匹配八进制转义值nm
\nml	如果n为八进制数字（0～3），且m和l均为八进制数字（0～7），则匹配八进制转义值nml
\un	匹配n，其中n是用4个十六进制数字表示的Unicode字符。例如，'\u00A9'匹配版权符号（©）

2.字符串匹配

　　preg_match()函数进行字符串的查找，语法格式如下：

　　int preg_match(string $pattern , string $subject [, array $matches [, int $flags ]])

　　说明：该函数的结构与ereg()函数类似，在$subject字符串中搜索与$pattern给出的正则表达式相匹配的内容。

　　preg_match()函数返回$pattern所匹配的次数。不是0次（没有匹配）就是1次，因为preg_match()函数在第一次匹配之后将停止搜索

　　还有一个是preg_match_all(),从第一个匹配的末尾开始继续搜索，直到搜索完整个字符串。

　　preg_match_all()函数参数$flags的值可以取以下三种：

　　●PREG_PATTERN_ORDER。默认项，表示$matches[0]为全部模式匹配的数组，

　　$matches[1]为第一个括号中的子模式所匹配的字符串组成的数组，以此类推。

　　●PREG_SET_ORDER。如果设定此标记，则$matches[0]为第一组匹配项的数组，$matches[1]为第二组匹配项的数组，以此类推。

　　●PREG_OFFSET_CAPTURE。PREG_OFFSET_CAPTURE可以和其他两个标记组合使用，

　　如果设定本标记，对每个出现的匹配结果也同时返回其附属的字符串偏移量。

　　3.字符串的替换

　　使用preg_replace()函数能够完成与函数ereg_replace()相同的功能，在字符串中查找匹配的子字符串，并用指定字符串替换子字符串。

　　语法格式如下：

　　mixed preg_replace(mixed $pattern , mixed $replacement , mixed $subject [, int $limit ])

　　4.字符串的分割

　　preg_split()函数可以使用正则表达式作为边界分割一个字符串，并将子字符串存入一个数组返回，作用与split()函数类似。

　　语法格式如下：

　　array preg_split(string $pattern , string $subject [, int $limit [, int $flags ]])

　　说明：本函数区分大小写，返回一个数组，数组包含$subject中沿着与$pattern匹配的边界所分割的子串。

　　$limit是可选参数，如果指定则最多返回$limit个字串，如果省略或为-1，则没有限制。

　　$flags的值可以是以下三种：

　　●PREG_SPLIT_NO_EMPTY。如果设定本标记，则函数只返回非空的字符串。

　　●PREG_SPLIT_DELIM_CAPTURE。如果设定本标记，定界符模式中的括号表达式的匹配项也会被捕获并返回。

　　PREG_SPLIT_OFFSET_CAPTURE。如果设定本标记，对每个出现的匹配结果也同时返回其附属的字符串偏移量。

　　4.3实例-验证表单内容

　　【例4.4】 使用正则表达式验证用户输入的表单内容是否满足格式要求。

　　新建EX4_4_Hpage.php文件，输入以下代码。

　　

　　新建EX4_4_Ppage.php文件，输入以下代码：

　　2.字符串匹配

　　preg_match()函数进行字符串的查找，语法格式如下：

　　int preg_match(string $pattern , string $subject [, array $matches [, int $flags ]])

　　说明：该函数的结构与ereg()函数类似，在$subject字符串中搜索与$pattern给出的正则表达式相匹配的内容。

　　preg_match()函数返回$pattern所匹配的次数。不是0次（没有匹配）就是1次，因为preg_match()函数在第一次匹配之后将停止搜索

　　还有一个是preg_match_all(),从第一个匹配的末尾开始继续搜索，直到搜索完整个字符串。

　　preg_match_all()函数参数$flags的值可以取以下三种：

　　●PREG_PATTERN_ORDER。默认项，表示$matches[0]为全部模式匹配的数组，

　　$matches[1]为第一个括号中的子模式所匹配的字符串组成的数组，以此类推。

　　●PREG_SET_ORDER。如果设定此标记，则$matches[0]为第一组匹配项的数组，$matches[1]为第二组匹配项的数组，以此类推。

　　●PREG_OFFSET_CAPTURE。PREG_OFFSET_CAPTURE可以和其他两个标记组合使用，

　　如果设定本标记，对每个出现的匹配结果也同时返回其附属的字符串偏移量。

　　3.字符串的替换

　　使用preg_replace()函数能够完成与函数ereg_replace()相同的功能，在字符串中查找匹配的子字符串，并用指定字符串替换子字符串。

　　语法格式如下：

　　mixed preg_replace(mixed $pattern , mixed $replacement , mixed $subject [, int $limit ])

　　4.字符串的分割

　　preg_split()函数可以使用正则表达式作为边界分割一个字符串，并将子字符串存入一个数组返回，作用与split()函数类似。

　　语法格式如下：

　　array preg_split(string $pattern , string $subject [, int $limit [, int $flags ]])

　　说明：本函数区分大小写，返回一个数组，数组包含$subject中沿着与$pattern匹配的边界所分割的子串。

　　$limit是可选参数，如果指定则最多返回$limit个字串，如果省略或为-1，则没有限制。

　　$flags的值可以是以下三种：

　　●PREG_SPLIT_NO_EMPTY。如果设定本标记，则函数只返回非空的字符串。

　　●PREG_SPLIT_DELIM_CAPTURE。如果设定本标记，定界符模式中的括号表达式的匹配项也会被捕获并返回。

　　PREG_SPLIT_OFFSET_CAPTURE。如果设定本标记，对每个出现的匹配结果也同时返回其附属的字符串偏移量。

　　4.3实例-验证表单内容

　　【例4.4】 使用正则表达式验证用户输入的表单内容是否满足格式要求。

　　新建EX4_4_Hpage.php文件，输入以下代码。

　　

　　新建EX4_4_Ppage.php文件，输入以下代码：