正则表达式基本知识（php）
这里的知识点基本上是《正则指引》的读书笔记，只是每个知识点的示例代码用php来实现。
1. 字符组
字符组（Character Class）就是一组字符，在正则表达式中，它表示“在同一个位置可能出现的各种字符”。写法：[ab]、[314]、[#.?]
字符组的基本用法
[...]
preg_match('/[0123456]/', '5'); // => 1 preg_match('/[abc123]/', '5'); // => 0范围表示法（range）
[x-y] 表示 x 到 y 整个范围内的字符。如， [0123456789] 表示为 [0-9] ， [abcdefghijk] 表示为 [a-k] 。
为什么是 [0-9] ，而不是 [9-0] ？
因为 - 表示的范围一般是根据字符对应的码值（Code Point）来确定的。典型地有ACSⅡ编码。在ACSⅡ编码中，0~9的码值是48~57，a~z的码值是97~122，A~Z的码值是65~90。
preg_match('/[0-9]/', '5'); // => 1 preg_match('/[a-z]/', '5'); // => 0 preg_match('/[0-9a-fA-F]/', '0'); // 16进制字符组简记法（shorthands）
提供比范围表示法更简洁的表示方法，如 /d 表示 [0-9] ， /w 表示 [0-9a-zA-z_] 。
php中支持的字符组简记：
-
/d所有的数字，即[0-9] -
/D所有的非数字，与/d互斥 -
/w所有的单词字符（字符、数字、下划线），即[0-9a-zA-Z_] -
/W所有的非单词字符，与/W互斥 -
/s所有的空白字符，包括空格、制表符、回车符、换行符等空白字符 -
/S所有的非空白字符，与/s互斥
preg_match('//d/', '8'); // => 1 preg_match('//d/', 'a'); // => 0 preg_match('//d[a-z]/', 'a'); // => 1 preg_match('//w/', 'a'); // => 1 preg_match('//w/', '6'); // => 1 preg_match('//w/', '_'); // => 1 preg_match('//s/', ' '); // => 1 preg_match('//s/', "/t"); // => 1 preg_match('//s/', "/r"); // => 1元字符与转义
在范围表示法中，字符组中的横线 - 不能匹配横线字符，而是用来表示范围，这类字符叫做 元字符 （meta-character）。元字符除了 - 还有开方括号 [ 、闭刚括号 ] 、 ^ 、 $ 等，它们都有特殊的意义。
当元字符想要表示普通字符的含义时（如 - 就只想表示横线字符），就需要转义处理（在元字符前加反斜线字符 / ）。对于 - ，有一个例外情况，就是当它紧跟着字符组中的开括号 [ 时，它就表示普通横线字符，此时不用转义。
preg_match('/[0/-9]/', "-"); // => 1 preg_match('/[0/-9]/', "8"); // => 0 preg_match('/[0/-9]/', "0"); // => 1 preg_match('/[-09]/', "-"); // => 1 preg_match("/[0//-9]/", "-"); // => 1 preg_match("/[0/-9]/", "-"); // => 1仔细看上面第一个表达式和最后两个表示式。这里要注意：
-
在php中，字符串既可以用单引号标注也可以用双引号标注。两者的主要区别在于，双引号字符串可以插值，二单引号字符串不能；另外，双引号字符串会处理字符串转义，二单引号字符串不会
-
正则表达式是以字符串的方式提供的。在php中，双引号字符串本身也有关于转义的规定（如
"//"、'/r'、"/t"等），因此"0//-9"与'0/-9'是等价的。 -
那么最后一个表达式为什么也可以匹配呢？这是因为，尽管php的正则表达式用字符串文字给出，但它与常见的字符串不完全一样——如果某个转义序列可以有字符串识别，则对其进行转义处理；否则，将整个转义序列“原封不动”地保存下来。
因此，在正则表达式中转义要小心，在php中，使用单引号字符串来构建正则表达式会比双引号字符串更简单明了。
排除型字符组（Negated Character Class）
在方括号 […] 中列出希望匹配的所有字符叫做“普通字符组”。在开方括号 [ 之后紧跟一个脱字符 ^ ，写作 [^…] ，表示“在当前位置，匹配一个没有列出的字符”。例如， [^0-9] 匹配非数字字符。
preg_match('/[^0-9][0-9]/', "A8"); // => 1 排除型字符组中的紧跟着开方括号 [ 的脱字符 ^ 也是元字符，如果要匹配尖括号字符，需要进行转义处理。但是，不紧跟着开方括号 [ 的 ^ 就是普通字符，不需要转义。
preg_match('/[^0-9]/', '0'); // => 0 preg_match('/[/^0-9]/', '0'); // => 1 preg_match('/[/^0-9]/', '^'); // => 1 preg_match('/[0-9^]/', '^'); // => 1POSIX字符组
之前介绍的字符组，都属于Perl衍生出来的正则表达式流派（Flavor），这个流派叫做PCRE（Per Compatible Regular Expression）。正则表达式还有其他流派，比如POSIX（Portable Operating System Interface for unix），它是一系列规范，定义了UNIX操作系统应当支持的功能，其中也包括了正则表达式的规范。
常见的 [a-z] 形式的字符组，在POSIX规范中仍然获得支持，称作 POSIX方括号表达式 。POSIX方括号表达式中的 / 不是用来转义的，如 [/d] 就只能匹配 / 和 d 两个字符。这里涉及到 ] 、 - 这两个特殊字符，在POSIX规范中，紧接在开方括号 [ 之后的 ] 才表示闭方括号字符，紧挨在闭方括号 ] 之前的 - 才表示横线字符。
对于PCRE规范中的 /d 、 /w 、 /s 等字符组简记法，POSIX中有类似的东西，叫做 POSIX字符组 。在ASCⅡ语言环境（locale）中，常见的POSIX字符组及其含义如下：
| POSIX字符组 | 说明 | ACSⅡ字符组 | 等价的PCRE简记法 |
|---|---|---|---|
| [:alnum:] | 字母和数字 | [0-9a-zA-Z] | |
| [:alpha:] | 字母 | [a-zA-Z] | |
| [:ASCⅡ] | ASCⅡ字符 | [/x00-/x7F] | |
| [:blank:] | 空格字符和制表字符 | [ /t] | |
| [:cntrl:] | 控制字符 | [/x00-/x1F/x7F] | |
| [:digit:] | 数字字符 | [0-9] | /d |
| [:graph:] | 空白字符之外的字符 | [/x21-/x7E] | |
| [:lower:] | 小写字母字符 | [a-z] | |
| [:print:] | 类似[:graph:]，但包括空白字符 | [/x20-/x7E] | |
| [:punct:] | 标点符号 | [][!"#$%&'()*+,./:;<=>?@/^_`{/ | }~-] |
| [:space:] | 空白字符 | [ /t/r/n/v/f] | /s |
| [:upper:] | 大写字母 | [A-Z] | |
| [:word:] | 字母字符 | [A-Za-z0-9_] | /w |
| [:xdigit:] | 十六进制字符 | [A-Fa-f0-9] |
php中有专门处理POSIX正则的函数，但从5.3.0开始已经废弃了。这里只是了解一下相关知识。
2. 量词
这里首先介绍一下 ^ 和 $ 两个特殊字符，在上一章的 元字符与转义 一节提到过这两个特殊字符。
^ 放在正则表达式的开头，表示“定位到字符串的起始位置”； $ 用在正则表达式的末尾，表示“定位到字符串的结束位置”。
preg_match('//w/d/', '1a2b'); // => 1 preg_match('/^/w/d/', '1a2b'); // => 0 必须以字母开头 preg_match('//w/d$/', '1a2b'); // => 0 必须以数字结尾 preg_match('/^/w/d/', 'a2b'); // => 1 preg_match('//w/d$/', '1a2'); // => 1 preg_match('/^/w/d$/', '1a2'); // => 0 开头必须是字母，结尾必须是数字 preg_match('/^/w/d$/', 'a2'); // => 1量词的一般形式
如果要匹配一个邮政编码（6位数字），目前能写出来的正则表达式是 ^/d/d/d/d/d/d$ ：
preg_match('/^/d/d/d/d/d/d$/', '100010'); // => 1 preg_match('/^/d/d/d/d/d/d$/', '10001035'); // => 0 preg_match('/^/d/d/d/d/d/d$/', '10a010'); // => 0 /d 重复6次的写法很不科学，正则表达式肯定会有更方便的写法，也就是量词（quantifier）。量词的通用形式是 {m,n} （注意， , 后面不能有空格），它限定之前的元素能够出现的次数，m是下限，n是上限。其他常见的量词形式有：
| 量词 | 说明 |
|---|---|
| {n} | 之前的元素必须出现n次 |
| {m,n} | 之前的元素最少出现m次，最多出现n次 |
| {m,} | 之前的元素最少出现m次，出现次数无上限 |
| {0,n} | 之前的元素可以不出现，也可以出现，最多出现n次 |
preg_match('/^/d{6}$/', '100010'); // => 1 preg_match('/^/d{4,6}$/', '123'); // => 0 preg_match('/^/d{4,6}$/', '1234'); // => 1 preg_match('/^/d{4,6}$/', '123456'); // => 1 preg_match('/^/d{4,6}$/', '1234567'); // => 0常用量词
正则表达式还有三个常用的量词，分别是 + 、 ? 、 * ：
| 常用量词 | {m,n}等价形式 | 说明 |
|---|---|---|
| * | {0,} | 可能出现，也可能不出现，出现次数没有上限 |
| + | {1，} | 至少出现1次，出现次数没有上限 |
| ? | {0,1} | 出现0次或1次 |
这三种量词在实际中使用的非常多。
例如，匹配url的时候，有可能是 http ，也有可能是 https ，这个时候用 ? 就很方便：
preg_match('/^https?:////www/.baidu/.com/', 'http://www.baidu.com'); // => 1 preg_match('/^https?:////www/.baidu/.com/', 'https://www.baidu.com'); // => 1 在匹配html的tag（如 <head> 、 <div> 、 <img> 等）的时候，在 < 和 > 中间会有字符，但是字符长度不确定。这种情况下就需要使用 + 了：
preg_match('/^<[^>]+>$/', '<html>'); // => 1 preg_match('/^<[^>]+>$/', '<a>'); // => 1 preg_match('/^<[^>]+>$/', '<>'); // => 0 如果说匹配一个双引号字符串，在双引号内，既可以出现字符也可以不出现字符。这种情况下就应该使用量词 * 。
preg_match('/^/"[^/"]*/"$/', '""'); // => 1 preg_match('/^/"[^/"]*/"$/', '"abcd"'); // => 1点号
点号 . 是与量词搭配比较多得一个字符。一般情况下，点号 . 可以匹配除了换行符 /n 以外的任意字符。
preg_match('/^.$/', 'z'); // => 1 preg_match('/^.$/', '8'); // => 1 preg_match('/^.$/', "/n"); // => 0 如果要使 . 能匹配的字符包含换行符 /n ，可以使用自制通配符 /s/S 或 /w/W 、 /d/D 。
preg_match('/^[/s/S]$/', "/n"); // => 1 使 . 能匹配的字符包含换行符 /n 的另外一种方法是指定正则匹配时使用单行模式。在php中，可以使用模式修饰符和预定义常量两种方法来指定单行模式。关于正则匹配的模式，后面会详细介绍。
preg_match('/(?s)^.$/', "/n"); // => 1 模式修饰符 preg_match('/^.$/s', "/n"); // => 1 预定义常量匹配优先量词、忽略优先量词
很多语言中，都可以使用 /*...*/ 来注释代码，如果是一个支持语法高亮的文本编辑器就要能够提取 /*...*/ 注释块。很easy的，我们可以写出如下正则表达式：
$str = '/*this is a comment*/ /*this is another comment*/'; preg_match('////*.*/*///', $str, $arr); echo $arr[0]; /*this is a comment*/ /*this is another comment*/可以看到，这个正则表达式出了点小问题，它把两个注释块匹配出来了，如果两个注释块中间有代码，那么代码也会匹配出来。
这是因为，我们介绍的 * 、 + 、 ? 都是 匹配优先量词 （greedy quantifier，也称贪婪量词）。匹配优先量词是指在拿不准是否要匹配的时候，优先尝试匹配。因此， $str 中间的 */ /* 都被 .* 匹配了。
正则表达式中利用 忽略优先量词 来解决上述问题。与 * 、 + 、 ? 对应的忽略优先量词的形式是 *? 、 +? 、 ?? 。忽略优先量词在不确定是否要匹配时选择“不匹配”的状态。还是以提取注释块的代码为例：
preg_match('////*.*?/*///', $str, $arr); echo $arr[0]; /*this is a comment*/这样就达到了提取注释块的效果。
| 匹配优先量词 | 忽略优先量词 | 限定次数 |
|---|---|---|
| * | *？ | 可能出现，可能不出现，出现次数没有上限 |
| + | +？ | 至少出现1次，没有上限 |
| ? | ?? | 出现0次或1次 |
| {m,n} | {m,n}? | 出现次数大于等于m，小于等于n |
| {m,} | {m,}? | 至少出现m次，没有上限 |
| {0,n} | {0,n}? | 出现0次-n次 |
php中有指定非贪婪匹配模式的 模式修饰符 和 预定义常量 ，与 忽略优先量词 是一样的效果：
// 默认贪婪匹配 preg_match('////*.*/*///', $str, $arr); // => /*this is a comment*/ /*this is another comment*/ // 预定义常量 指定非贪婪匹配 preg_match('////*.*/*///U', $str, $arr); // => /*this is a comment*/ // 模式修饰符 指定非贪婪匹配 preg_match('/(?U)///*.*/*///', $str, $arr); // => /*this is a comment*/ // 同时使用 忽略优先量词 和 预定义常量 preg_match('////*.*?/*///U', $str, $arr); // => /*this is a comment*/ /*this is another comment*/ // 同时使用 忽略优先量词 和 模式修饰符 preg_match('/(?U)///*.*?/*///', $str, $arr); // => /*this is a comment*/ /*this is another comment*/量词的转义
* 、 + 、 ? 的转义比较简单，就是 /* 、 /+ 、 /? 。主要是 {m,n} 形式的转义需要注意。
| 量词 | 转义 | 量词 | 转义 | 量词 | 转义 |
|---|---|---|---|---|---|
| {n} | //{n} | * | /* | *? | /*/? |
| {m,n} | //{m,n} | + | //+ | +? | //+/? |
| {m,} | //{m,} | ? | /? | ?? | /?/? |
| {0,n} | //{0,n} |
3.括号
分组
上一章介绍了量词，上一章的例子中量词都只能控制它前面的字符或字符组。那么量词能否控制连续的字符或字符组呢，如控制一个单词 hello 出现或者不出现。这就要用到正则表达式的 分组 功能（子表达式），使用圆括号 (...) 实现分组（子表达式）。
// 量词限定前面一个字符 preg_match('/^hello?, world$/', 'hello, world'); // => 1 preg_match('/^hello?, world$/', 'hell, world'); // => 1 preg_match('/^hello?, world$/', ', world'); // => 0 // 量词限定一个单词 preg_match('/^(hello)?, world$/', 'hello, world'); // => 1 preg_match('/^(hello)?, world$/', 'hell, world'); // => 0 preg_match('/^(hello)?, world$/', ', world'); // => 1多选结构
多选结构（alternative）的形式是 (...|...) ，在括号内以竖线 | 分开多个子表达式，这些子表达式也叫多选分支（option）。
例如，匹配常见的11位手机号
// 匹配常见11位手机号 preg_match('/(13[0-9]|15[0-356]|18[025-9])/d{8}/', '18521510001', $arr); // => 1引用分组
正则表达式会保存每个 (...) 分组匹配的文本，这种功能叫捕获分组（capturing group）。在需要直接使用子表达式的时候非常有用
例如，提取 <a> 标签中的地址和描述文本
// 提取<a>标签中的地址和描述文本 preg_match('/<a/s+href="([^/'"/s]*)">(.*?)<//a>/', '<a href="github.com">visit github</a>', $arr); print_r($arr); /* Array ( [0] => <a href="github.com">github</a> [1] => github.com [2] => visit github ) */ 正则表达式替换时也支持捕获分组。php中支持 /num 和 $num 的形式替换，但是num不能大于10；另一种形式 ${num} 可以大于10。
例如，日期的替换
// 正则表达式替换 preg_replace('/(/d{4})-(/d{2})-(/d{2})/', '$1年$2月$3日', '2015-08-25'); // => 2015年08月25日 preg_replace('/(/d{4})-(/d{2})-(/d{2})/', '/1年/2月/3日', '2015-08-25'); // => 2015年08月25日反向引用
在正则表达式内部引用之前的捕获分组匹配的文本叫反向引用（back-reference）。实测php支持 /num 形式的反向引用，不支持 $num 形式的反向引用
例如，利用反向引用匹配id相同的不同标签
// 匹配id为main的标签 preg_match('/<([/w]+)/s+id="main">.*?<///1>/', '<div id="main"><span>hello, world</span></div>', $arr); // => 1 print_r($arr); /* Array ( [0] => <div id="main"><span>hello, world</span></div> [1] => div ) */ // 匹配id为main的标签 preg_match('/<([/w]+)/s+id="main">.*?<///1>/', '<p id="main">Hello, World</p>', $arr); // => 1 print_r($arr); /* Array ( [0] => <p id="main">Hello, World</p> [1] => p ) */ 命名分组
数字编号的分组有时候不够直观，因此有些语言和工具的正则表达式提供了命名分组（named grouping）。
正则字符中 (?P<name>) 来命名， (?P=name) 来使用。 preg_replace 替换时不支持
// 捕获命名分组 preg_match('/<a/s+href="(?P<link>[^/'"/s]*)">(?P<description>.*?)<//a>/', '<a href="github.com">visit github</a>', $arr); print_r($arr); /* Array ( [0] => <a href="github.com">visit github</a> [link] => github.com [1] => github.com [description] => visit github [2] => visit github ) */ // 反向引用命名分组 preg_match('/<(?P<tag>[/w]+)/s+id="main">.*?<//(?P=tag)>/', '<div id="main"><span>hello, world</span></div>', $arr); print_r($arr); /* Array ( [0] => <div id="main"><span>hello, world</span></div> [tag] => div [1] => div ) */ 非捕获分组
正则表达式默认会保存每个 (...) 匹配的文本，前面利用这个特性可以实现一些有用的功能。但是，有时候正则表达式比较复杂， (...) 会出现的比较多，而此时仅仅是想实现 分组 或者 多选 的功能，而不需要 捕获分组 ；同时，大量不需要的捕获分组可能会影响性能。
为了解决这种问题，正则表达式提供了 非捕获分组 （non-capturing group），它的形式是 (?:...) 。
// 捕获分组 preg_match('/(13[0-9]|15[0-356]|18[025-9])/d{8}/', '18521510001', $arr); // => 1 print_r($arr); /* Array ( [0] => 18521510001 [1] => 185 ) */ // 非捕获分组 echo preg_match('/(?:13[0-9]|15[0-356]|18[025-9])/d{8}/', '18521510001', $arr); // => 1 print_r($arr); /* Array ( [0] => 18521510001 ) */ 4.断言
正则表达式中的有些结构不匹配真正的文本，只负责判断在某个位置左/右侧的文本是否符合要求，这种结构称为 断言 （assertion）。常见的断言有三类：单词边界、行起始/结束位置、环视。
单词边界
单词边界（word boundary)，记为 /b 。它匹配的是单词边界（一边是单词字符，另一边不是单词字符）的位置，而不是字符。
// 单词边界 preg_match('//b/w+/b/', 'word', $arr); // => 1 print_r($arr); /* Array ( [0] => word ) */ // 匹配所有单词边界 preg_match_all('//b/w+/b/', 'hello, world', $arr); // => 2 print_r($arr); /* Array ( [0] => Array ( [0] => hello [1] => world ) ) */ 这类匹配位置而不匹配字符的元素叫做 锚点 （anchor），下一节要介绍的 ^ 、 $ 等也是锚点。
行起始/结束位置
^ ：字符串的开始位置
$ ：字符串的结束位置
$str = 'first line second line last line'; // 字符串起始位置 preg_match_all('/^/w+/b/', $str, $arr); // => 1 print_r($arr); /* Array ( [0] => Array ( [0] => first ) ) */ // 字符串结束位置 preg_match_all('//b/w+$/', $str, $arr); // => 1 print_r($arr); /* Array ( [0] => Array ( [0] => line ) ) */ 如果指定了多行模式（Multiline Mode）， ^ 、 $ 分别可以匹配行起始位置、行结束位置。关于模式，将在下一章详细介绍。指定多行模式的方式是使用模式修饰符 (?m) ：在正则表达式之前加上 (?m) ；或者是预定义常量的方式： /.../m 。
// 多行模式 行起始位置 // preg_match_all('/^/w+/b/m', $str, $arr); 是一样的效果 preg_match_all('/(?m)^/w+/b/', $str, $arr); // => 3 print_r($arr); /* Array ( [0] => Array ( [0] => first [1] => second [2] => last ) ) */ //多行模式 行结束位置 // preg_match_all('//b/w+$/m', $str, $arr); 是一样的效果 preg_match_all('/(?m)/b/w+$/', $str, $arr); // => 3 print_r($arr); /* Array ( [0] => Array ( [0] => line [1] => line [2] => line ) ) */ /A 不论是普通模式还是多行模式，都匹配字符串起始位置
/Z 、 /z 不论是普通模式还是多行模式，都匹配字符串结束位置
/Z 与 /z 的区别在于最后字符串的末尾是 行终止符 的时候， /Z 匹配行终止符之前的位置， /z 则不管行终止符，只匹配“整个字符串的结束位置”。
这里用 行终止符 ，而不用 换行符 的原因是不同操作系统的行终止符不同（windows /r/n ，linux /n ，mac /n ）。
// /A 始终匹配字符串起始位置 preg_match_all('//A/w+/b/', $str, $arr); // => 1 print_r($arr); /* Array ( [0] => Array ( [0] => first ) ) */ preg_match_all('/(?m)/A/w+/b/', $str, $arr); // => 1 print_r($arr); /* Array ( [0] => Array ( [0] => first ) ) */ // /Z始终匹配行结束位置 preg_match_all('//b/w+/Z/', $str, $arr); // => 1 print_r($arr); /* Array ( [0] => Array ( [0] => line ) ) */ preg_match_all('/(?m)/b/w+/Z/', $str, $arr); // => 1 print_r($arr); /* Array ( [0] => Array ( [0] => line ) ) */ // /Z /z的区别 $str = 'first line second line last line '; preg_match_all('/(?m)/b/w+/z/', $str, $arr); // => 0 print_r($arr); /* Array ( [0] => Array ( ) ) */ preg_match_all('/(?m)/b/w+/Z/', $str, $arr); // => 1 print_r($arr); /* Array ( [0] => Array ( [0] => line ) ) */ 环视
环视（look-around）用来“停在原地，四处张望”，它本身也不匹配任何字符，用来限定它旁边的文本满足某种条件。
| 名字 | 记法 | 含义 |
|---|---|---|
| 肯定顺序环视 | (?=...) | 向右看看，右边出现了环视中的内容才匹配 |
| 否定顺序环视 | (?!...) | 向右看看，右边不出现环视中的内容才匹配 |
| 肯定逆序环视 | (?<=...) | 向左看看，左边出现了环视中的内容才匹配 |
| 否定逆序环视 | (?<!...) | 向左看看，左边不出现环视中的内容才匹配 |
例如，要匹配html标签中的开标签（ <a> 、 <div> 、 <body> 等），而不能匹配闭标签（ </a> 、 </div> 、 </body> 等）和自闭和标签（ <br/> 等），同时，也不能匹配一个空的标签 <> 。
直接使用 <[^//]+> 将 / 字符排除是不对的，因为有些标签的属性中可能会含有 / 字符。例如 <a href="github.com/nrk/predis"> 。这里只是在开尖括号 < 之后的第一个字符和闭尖括号 > 之前的第一个字符不能为 / 。
然而 <[^//][^>]*[^//]> 也是不行的，因为在 < 与 > 之间会至少匹配两个字符，像 <a> 这样的标签是无法匹配到的。这里就要用到 环视 了。
<(?!//).*+(?<!//)>
上面的正则表达式中有两个环视结构，一个在开尖括号 < 之后，表示在尖括号 < 后向右看看，右边的第一个字符不能为 / （正则表达式中进行了转义）；另外一个在闭尖括号 > 之前，表示在闭尖括号 > 之前向左看看，左边挨着的字符不能为 / 。
上面的正则表达式已经解决了匹配html中开标签的主要问题，只是其中的 .*? 还需要优化一下。需要解决的问题是：
-
有可能会有单引号
'或双引号"，它们都得成对出现 -
单引号对或双引号对之内可以有
>字符，但是它们的外面不能有>字符
利用正则表达式的选择结构，可以写出下面的表达式，用于完善上面的问题。
<(?!//)(?:/'[^/']*/'|"[^"]*"|[^/'">])+(?<!//)>
5.匹配模式
前面的内容中已经出现介过了 单行模式 、 多行模式 、 非贪婪模式 。 匹配模式 是指匹配时使用的规则。常用的匹配模式还有 不区分大小写模式 、 注释模式 。
在开始介绍具体的模式之前，先介绍php中模式的两种具体实现 /.../{modifier} 和 ...(?{modifier})... ：
| 模式修饰符 | /.../{modifier} | ...(?{modifier})... |
|---|---|---|
| 示例 | /<tr>.*<//tr>/s | <tr>(?s).*<//tr> |
| 名称（php手册） | 模式修饰符 | 模式内修饰符 |
| 名称（《正则指引》） | 预定义常量 | 模式修饰符 |
| 作用范围 | 整个正则表达式 | 不在分组（子表达式）中时，对它后面的全部正则表达式起作用；如果在分组（子表达式）中，则对它分组中的剩余部分起作用。在没有分组，且放在整个正则表达式最前面的时候相当于 /.../{modifier} |
| 支持程度 | 支持所有模式修饰符 | 支持部分模式修饰符 |
| 其他编程语言 | 可能不支持 | 一般都支持 |
不区分大小写模式
在html中是不区分大小写的，例如 <td> 和 <tD> 、 <Td> 、 <TD> 的作用是一样的。如果要从网页中提取 <td> ，不使用匹配模式的表达式应该是这样：
<[tT][dD]>
由于 <td> 标签只有两个字符，所以上面的写法还可以接受。但是如果标签是 <script> 呢？这里，就需要使用 不区分大小写模式 ： /.../i 或 ...(?i)... 。上面的正则表达式可以进一步写为：
/<td>/i 或 (?i)<td>
preg_match('/(?i)<td>/', '<tD>', $arr); print_r($arr); /* Array ( [0] => <tD> ) */单行模式
形式： /.../s 或 ...(?s)...
作用：点号可以匹配换行符
多行模式
与 单行模式 没有关系。影响 ^ 和 $ 的匹配
形式： /.../x 或 ...(?m)...
注释模式
(?#...) 的方法可以在正则表达式中添加注释
// (?#...)注释 preg_match('/(?#this is comment)(?i)<td>/', '<tD>', $arr); print_r($arr); /* Array ( [0] => <tD> ) */ 更彻底地，可是使用 /.../x 表示注释模式
// /.../x注释模式 $str = '/ (/d{4}) # year - # dash (/d{2}) # month - # dash (/d{2}) # day /x'; preg_match($str, '2015-10-01', $arr); print_r($arr); /* Array ( [0] => 2015-10-01 [1] => 2015 [2] => 10 [3] => 01 ) */ 非贪婪
// 默认贪婪匹配 $str = '<tr><td>hello</td></tr><tr><td>world</td></tr>'; preg_match('/<tr>.*<//tr>/', $str, $arr); print_r($arr); /* Array ( [0] => <tr><td>hello</td></tr><tr><td>world</td></tr> ) */ // 非贪婪匹配模式 $str = '<tr><td>hello</td></tr><tr><td>world</td></tr>'; preg_match('/<tr>.*<//tr>/U', $str, $arr); print_r($arr); /* Array ( [0] => <tr><td>hello</td></tr> ) */ Unicode
要匹配中文等Unicode字符，最好是指定Unicode模式修饰符 /.../u 。如果不指定会有两个问题
-
GBK编码环境下，中文不能匹配
-
无法利用
[/x{4e00}-/x{9fff}]匹配中文
// 指定unicode模式 preg_match('/<td>[/x{4e00}-/x{9fff}]*<//td>/u', '<td>姚明</td>', $arr); print_r($arr); /* Array ( [0] => <td>姚明</td> ) */正文到此结束
热门推荐
相关文章
Loading...
![[HBLOG]公众号](https://www.liuhaihua.cn/img/qrcode_gzh.jpg)
