首页 » 建站技术 » PHP 技术 » 浏览内容

正则表达式 ( 下 篇 )


2005-08-16 17:16:15 4,963 0 发表评论 字体: 作者:C.K.
标签: 正则表达式

体验版 88 元,个人版 128 元,多用户版 288元个人版160元升级到多用户版。

5. 全部符号解释

字符 描述

将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。

例如,'n' 匹配字符 “n”。

'n' 匹配一个换行符。

序列 '' 匹配 “” 而 “(” 则匹配 “(“。

^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性,^ 也匹配 'n' 或 'r' 之后的位置。

$ 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性,$ 也匹配 'n' 或 'r' 之前的位置。

* 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的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的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,请使用象 '[.n]' 的模式。

(pattern) 匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到,在VBScript 中使用 SubMatches 集合,在JScript 中则使用 $0…$9 属性。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,不进行存储供以后使用。

这在使用 “或” 字符 (&line;) 来组合一个模式的各个部分是很有用。例如, 'industr(?:y&line;ies) 就是一个比 'industry&line;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&line;98&line;NT&line;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&line;98&line;NT&line;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&line;y 匹配 x 或 y。

例如,'z&line;food' 能匹配 “z” 或 “food”。'(z&line;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。

匹配任何不在指定范围内的任意字符。例如,'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。

b 匹配一个单词边界,也就是指单词和空格间的位置。

例如, 'erb' 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。'erB' 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。等价于 [ fnrtv]。

S 匹配任何非空白字符。等价于 [^ fnrtv]。

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 标识一个八进制转义值或一个向后引用。如果 n 之前至少 n 个获取的子表达式,则 n 为向后引用。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 标识一个八进制转义值或一个向后引用。如果 nm 之前至少有 nm 个获得子表达式,则 nm 为向后引用。如果 nm 之前至少有 n 个获取,则 n 为一个后跟文字 m 的向后引用。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 是一个用四个十六进制数字表示的 Unicode 字符。例如, u00A9 匹配版权符号 (?)。

6. 部分例子

正则表达式说明/b([a-z]+) 1b/gi一个单词连续出现的位置/(w+)://([^/:]+)(:d*)?([^# ]*)/ 将一个URL解析为协议、域、端口及相对路径/^(?:Chapter&line;Section) [1-9][0-9]{0,1}$/定位章节的位置/[-a-z]/A至z共26个字母再加一个-号。/terb/可匹配chapter,而不能terminal/Bapt/可匹配chapter,而不能aptitude/Windows(?=95 &line;98 &line;NT )/可匹配Windows95或Windows98或WindowsNT,当找到一个匹配后,从Windows后面开始进行下一次的检索匹配。

7. 正则表达式匹配规则

  7.1 基本模式匹配

  一切从最基本的开始。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:

  ^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。

  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:

  ^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。例如:模式

  once

  与字符串

  There once was a man from NewYork
  Who kept all of his cash in a bucket.

  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:

  ^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。

  7.2 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:

  [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:

  [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
  [ frtn] //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:

  ^[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:

  ^[^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:

  [^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:

  字符簇含义

  [[:alpha:]] 任何字母
  [[:digit:]] 任何数字
  [[:alnum:]] 任何字母和数字
  [[:space:]] 任何白字符
  [[: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]

  7.3 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 含义
  ^[a-zA-Z_]$ 所有的字母和下划线
  ^[[:alpha:]]{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:

  ^[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:

  ^-?[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:

  ^[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。

网站统计 Statistics

  • 创建时间: 2005年1月3日 距今5069 天
  • 日志总数: 2461
  • 评论总数: 630
  • 标签总数: 654
  • 链接总数: 273
  • 最后更新: 2018-8-31 17:57:04
  • 您是本站第 14180121 位访客

广告区 Guǎng Gào