正则表达式匹配规则

本文最后更新于：2024年9月8日 晚上

正则表达式匹配规则

基本模式匹配

  • 模式：是正规表达式最基本的元素，它们是一组描述字符串特征的字符。
  • 模式可以很简单，由普通的字符串组成，也可以非常复杂，往往用特殊的字符表示一个范围内的字符，重复出现，或表示上下文，例如：
1
^once
  • 这个模式包含一个特殊的字符^，表示该模式只匹配那些以once开头的字符串。
  • 例如该模式与字符串"once upon a time"匹配，与"There once was a man from NewYork"不匹配。
  • 正如如^符号表示开头一样，$符号用来匹配那些以给定模式结尾的字符串。
1
bucket$
  • 这个模式与"Who kept all of this cash in a bucket"匹配，与"buckets"不匹配。
  • 字符^和$同时使用时，表示精确匹配（字符串与模式一样），例如：
1
^bucket$
  • 只匹配字符串"bucket"
  • 如果一个模式不包括^和$，那么它与任何包含该模式的字符串匹配。
1
once
  • 与字符串"There once was a man from NewYork"是匹配的。
  • 在该模式中的字母（o-n-c-e）是字面的字符，也就是说，他们表示该字母本身，数字也是一样的，其他一些稍微复杂的字符，如标点符号和白字符（空格，制表符等），要用到转义序列，所有的转义序列都用反斜杠（\）打头，制表符的转义序列是：\t，所以如果我们要检测一个字符串是否以制表符开头，可以用这个模式：
1
^\t

类似的，用\n表示"新行",\r表示回车，其他的特殊符号，可以用在前面加上反斜杠，如反斜杠本身用\\表示，句号\.用.表示，以此类推。

字符簇

在INTERNET的程序中，正规表达式通常用来验证用户的输入，当用户提交一个FORM以后，要判断输入的电话号码，地址，EMAIL地址，信用卡号码等是否有效，用普通的基于字面的字符是不够的。

所以要用一种更自由的描述我们要的模式的办法，它就是字符簇，要建立一个表示所有元音字符的字符簇，就把所有的元音字符放在一个方括号里：

1
[AaEeIiOoUu]

这个模式与任何元音字符匹配，但只能表示一个字符，用连字号可以表示一个字符的范围，如：

1
2
3
4
5
6
[a-z] // 匹配所有的小写字母。
[A-Z] // 匹配所有的大写字母。
[a-zA-Z] // 匹配所有的字母。
[0-9] // 匹配所有的数字。
[0-9\.\-] // 匹配所有的数字，句号和减号。
[ \f\r\t\n] // 匹配所有的白字符。

同样的，这些也只表示一个字符，这是一个非常重要的，如果要匹配一个由一个小写字母和一位数字组成的字符串，比如"z2",“t6"或"g7”，但不是"ab2",“r2d3” 或"b52"的话，用这个模式：

1
^[a-z][0-9]$

尽管[a-z]代表26个字母的范围，但在这里它只能与第一个字符是小写字母的字符串匹配。

前面曾经提到^表示字符串的开头，但它还有另外一个含义，当在一组方括号里使用^是，它表示"非"或"排除"的意思，常常用来剔除某个字符，还用前面的例子，我们要求第一个字符不能是数字：

1
^[^0-9][0-9]$

这个模式与"&5",“g7"及”-2"是匹配的，但与"12","66"是不匹配的，下面是几个排除特定字符的例子：

1
2
3
[^a-z] // 除了小写字母以外的所有字符。
[^\\\/\^] // 除了（\)(/)(^）之外的所有字符。
[^\"\'] // 除了双引号（"）和单引号（'）之外的所有字符。

特殊字符"." （点，句号）在正规表达式中用来表示除了"新行"之外的所有字符，所以模式"^.5$“与任何两个字符的，以数字5结尾和以其他非"新行"字符开头的字符串匹配，模式”."可以匹配任何字符串，除了空串和只包括一个"新行"的字符串。

PHP的正规表达式有一些内置的通用字符簇，列表如下：

字符簇 描述
[[:alpha:]] 任何字母
[[:digit:]] 任何数字
[[:alnum:]] 任何字母和数字
[[:space:]] 任何空白字符
[[:upper:]] 任何大写字母
[[:lower:]] 任何小写字母
[[:punct:]] 任何标点符号
[[:xdigit:]] 任何16进制的数字，相当于[0-9a-fA-F]

确定重复出现

到现在为止，你已经知道如何去匹配一个字母或数字，但更多的情况下，可能要匹配一个单词或一组数字，一个单词有若干个字母组成，一组数字有若干个单数组成，跟在字符或字符簇后面的花括号（{}）用来确定前面的内容的重复出现的次数。

字符簇 描述
[1]$ 所有的字母和下划线
[2]{3}$ 所有的3个字母的单词
^a$ 字母a
^a{4}$ aaaa
^a{2,4}$ aa,aaa或aaaa
^a{1,3}$ a,aa或aaa
^a{2,}$ 包含多于两个a的字符串
^a{2,} 如：aardvark和aaab，但apple不行
a{2,} 如：baad和aaa，但Nantucket不行
\t{2} 两个制表符
.{2} 所有的两个字符

这些例子描述了花括号的三种不同的用法，一个数字，{x}的意思是"前面的字符或字符簇只出现x次"，一个数字加逗号，{x,}的意思是"前面的内容出现x或更多的次数"，两个用逗号分隔的数字，{x,y}表示"前面的内容至少出现x次，但不超过y次"，我们可以把模式扩展到更多的单词或数字：

1
2
3
4
^[a-zA-Z0-9_]{1,}$ // 所有包含一个以上的字母，数字或下划线的字符串。
^[0-9]{1,}$ // 所有的正数。
^\-{0,1}[0-9]{1,}$ // 所有的整数。
^\-{0,1}[0-9]{0,}\.{0,1}[0-9]{0,}$ // 所有的小数。

最后一个例子不太好理解，是吗?这么看吧：与所有以一个可选的负号（-{0,1}）开头（^)，跟着0个或更多的数字（[0-9]{0,})，和一个可选的小数点（.{0,1}）再跟上0个或多个数字（[0-9]{0,})，并且没有其他任何东西（$)，下面你将知道能够使用的更为简单的方法。

特殊字符"?"与{0,1}是相等的，它们都代表着：“0个或1个前面的内容"或"前面的内容是可选的”，所以刚才的例子可以简化为：

1
^\-?[0-9]{0,}\.?[0-9]{0,}$

特殊字符"*“与{0,}是相等的，它们都代表着"0个或多个前面的内容”，最后，字符"+“与 {1,}是相等的，表示"1个或多个前面的内容”，所以上面的4个例子可以写成：

1
2
3
4
^[a-zA-Z0-9_]+$ // 所有包含一个以上的字母，数字或下划线的字符串。
^[0-9]+$ // 所有的正数。
^\-?[0-9]+$ // 所有的整数。
^\-?[0-9]*\.?[0-9]*$ // 所有的小数。

当然这并不能从技术上降低正规表达式的复杂性，但可以使它们更容易阅读。

  1. a-zA-Z_ ↩︎

  2. [:alpha:] ↩︎