PHP 正则表达式

概述

正则表达式（Regular Expression）是一种字符匹配工具，通过构建具有特定规则的模式，和输入字符串数据进行比较，然后进行匹配、分割、替换等等的相关操作。它的设计思想是用一种描述性的语言来给字符串定义一个规则，凡是符合规则的字符串，我们就认为它“匹配”了。

目前有两种不同规范的正则表达式：

1. POSIX 规范：在兼容 POSIX 的 UNIX 系统上，grep 和 egrep 之类的工具都遵循 POSIX 规范，一些数据库系统中的正则表达式也匹配 POSIX 规范。
2. PCRE 规范：为 Perl Compatible Regular Expressions 的缩写，中文即 Perl 兼容正则表达式，由 Philip Hazel 开发的 Perl 库，为很多现代工具所使用，大多数编程语言的正则表达式也都是集成该规范。

针对两种不同的正则表达式规范，PHP 提供了两组不同的函数库，分别为 POSIX Regex 扩展库 和 PCRE 扩展库，每一个函数库对应于一种特定的正则表达式。

需要注意的是，从 PHP5.3.0 开始，POSIX Regex 扩展将被废弃，所有调用本扩展中函数都将提示 E_DEPRECATED 错误。

接下来本文会对 PCRE 规范的正则表达式作出详细介绍。

PCRE 正则语法

1. 分隔符

当使用 PCRE 函数的时候，模式需要由分隔符闭合包裹。分隔符可以使任意非字母数字、非反斜线、非空白字符。一般是使用斜线 / 作为定界符。

如果分隔符需要在模式内进行匹配，它必须使用反斜线进行转义。如果分隔符经常在 模式内出现， 一个更好的选择就是是用其他分隔符来提高可读性。

2. 原子

原子是正则表达式的最基本的组成单位，而且必须至少包含一个原子。常见的有：

.   匹配除换行符之外任意字符
\d  匹配任意一个十进制数字
\D  匹配任意一个非十进制字符
\s  匹配一个不可见原子
\S  匹配一个可见原子
\w  匹配任意一个数字、字母或下划线，同 `[a-zA-Z0-9_]`
\W  匹配任意非一个数字、字母或下划线，同`[^a-zA-Z0-9_]`
[]  作为一个原子，匹配 [] 之间的一个原子
[^] 作为一个原子，不能匹配 [] 之间的一个原子

PCRE 中有关原子和元字符的完整列表，请见 正则表达式。

3. 元字符

元字符用来修饰原子的字符，不可以单独出现。

//量词
{n} 匹配原子恰好出现n次
{n,} 匹配原子出现不少于n次
{n,m} 匹配原子出现至少n次，最多m次
* 表示其前面的原子出现0至多次，相当于{0,}
+ 表示前面的原子至少出现1次，相当于{1,}
? 表示前面的原子出 0次或1次，相当于{0,1}

//边界限制
^ 指定匹配的字符串以什么原子开头
$ 指定匹配的字符串以什么原子结尾

//模式选择符
| 多选一

//模式单元
() 多原子作为一个大原子

4. 模式修正符

位于整个模式的最后面，在整个正则表达式中优先调用，是对正则表达式功能的扩展。可以一次使用一个，每一个都具有一定的意义，也可以连续使用多个符号。

i //不区分大小写
s //正则表达式中.匹配所有字符，包括换行符
U //匹配模式变为懒惰模式
x //空白忽略

PCRE 函数

函数名	说明
preg_filter	执行一个正则表达式搜索和替换
preg_grep	返回匹配模式的数组条目
preg_last_error	返回最后一个PCRE正则执行产生的错误代码
preg_match_all	执行一个全局正则表达式匹配
preg_match	执行匹配正则表达式
preg_quote	转义正则表达式字符
preg_replace_callback_array	执行正则表达式搜索并使用回调进行替换
preg_replace_callback	执行一个正则表达式搜索并且使用一个回调进行替换
preg_replace	执行一个正则表达式的搜索和替换
preg_split	通过一个正则表达式分隔字符串

// 匹配
$qq = '10001110@qq.com';
$pattern = "/^[1-9][0-9]{4,}$/";
if (preg_match($pattern, $email, $match)) {
 echo '匹配成功<hr />';
} else {
 echo '匹配失败<hr />';
}

// 切割
$keywords = preg_split("/[\s,]+/", "hypertext language, programming");
print_r($keywords); # Array ( [0] => hypertext [1] => language [2] => programming )

// 替换
$str = 'foo o';
echo preg_replace('/\s\s+/', ' ', $str); # 'foo o'
$count = 0;
echo preg_replace(array('/\d/', '/\s/'), '*', 'xp 4 to', -1 , $count); # xp***to
echo $count; # 3

常用正则表达式

• 非空字符

$pattern = '/\\S+/';

• 手机号匹配

$pattern = '/^1(3[0-9]|4[57]|5[0-35-9]|7[0135678]|8[0-9])\\d{8}$/';
//匹配移动
$pattern = '^1(3[4-9]|4[7]|5[0-27-9]|7[08]|8[2-478])\\d{8}$';
//匹配联通
$pattern = '^1(3[0-2]|4[5]|5[56]|7[0156]|8[56])\\d{8}$';
//匹配电信
$pattern = '^1(3[3]|4[9]|53|7[037]|8[019])\\d{8}$';

• E-mail 匹配

$pattern = '/^(\w)+(\.\w+)*@(\w)+(\.\w+)+$/';

• URL 匹配

$pattern = '/^https?\:////(\w+\.)+[a-z]+$/';

• IP 地址匹配

$pattern = '/((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))/';

• 身份证号匹配

$pattern = '/(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)/';

• 中国邮政编码匹配

$pattern = '/^[1-9]\d{5}(?!\d)$/';

• HTML 标签匹配

$pattern = '/^<([a-z]+)([^<]+)(?:>(.)<\/\1>|\s+\/>)$/';

• 中文匹配

$pattern = '/^[\x{4e00}-\x{9fa5}]+$/u';

注：PHP 中使用 \x 表示十六进制数据。

• 日期匹配

$pattern1 = '/^\d{4}-\d{1,2}-\d{1,2}$/'; # 2018-04-27
$pattern2 = '/^(0?[1-9]|1[0-2])$/'; # 月份(01～09和1～12)
$pattern3 = '/^((0?[1-9])|((1|2)[0-9])|30|31)$/'; # 日期(01～09和1～31)

以上内容整理自网络，参考文章：

1. 正则表达式
2. PCRE
3. PHP正则表达式
4. PHP高级特性一之正则表达式用法
5. 常用正则表达式