关于php中正则表达式的应用学习笔记

随着Internet的发展,web应用越来越深入到人们的 生活中.一些网友会发表一些文章,里面包含了一些不太 文明的词汇和图片,现在国家提倡文明办网,剔除那些低 俗的互联网内容,让网络朝着健康方向发展.正则表达式 在查找和替换相应字符串或图片上有强大的功能。

那么今天给大家详细讲解一下关于正则表达式的相关内容，主要是针对PHP的。

1、什么是正则表达式

正则表达式(Regular Expression)由美国数学家Ste-Phen Kleene于1956年提出,其发表了一篇标题为“神经网事件的表示法”的论文,引入了正则表达式的概念,正则表达式就是用来描述他称为“正则集的代数”的表达式,因此采用“正则表达式”这个术语.后来Unix的主要发明人Ken Thompson将正则表达式用于计算搜索算法和研究,至此正则表达式从Unix领域开始普及开来.正则表达式可以应用在包括Unix、Hp等在内的多种操作系统,由于正则表达式的强大的功能和方便性,因此被引入多种语言中,如php,C#,C,C++,Java等,所以正则表达式已经在很多系统中得到广泛的应用。

什么时候使用正则表达式

正则表达式是查找和替换字符串模式的简洁和灵活的表示法.比如在网页上常常会出现需要填写表单的情况,数据比如电话、生日、E-mail等这些具有特定格式的字符串,可是有时用户会胡乱填一些无效的内容;再如需要在blog、论坛中对用户发表的文章进行文字过滤,这时候就要用到正则表达式。

正则表达式的基本语法

正则表达式的形式为?匹配模式?,其中位于“?”定界符之间的部分就是将要在目标对象中进行匹配的模式.用户只要把希望查找匹配对象的模式内容放入“?”定界符之间即可。

元字符
为了能够使用户更加灵活的定制模式内容,正则表达式提供了专门的“元字符”.所谓元字符就是指那些在正则表达式中一个给定组件必须要出现多少次才能满足匹配.通俗点说,就是一些有特殊含义的字符,如“*.txt”中的*,表示任何字符串的意思.如果要查找文件名中有*的文件,则需要对*进行转义,即在其前面加一个?转义字符即可.较为常用的元字符包括:“+”,“*”,以及“?”.“+”规定其前导字符必须在目标对象中连续出现一次或多次.“*”规定其前导字符必须在目标对象中出现零次或连续多次.“?“规定其前导对象必须在目标对象中连续出现零次或一次.“^”表示字符串的开始位置或多行匹配模式下每行的开始位置.“$”表示字符串的结束位里或多行匹配模式下每行的结束位置。

以几个典型的正则表达式为例说明其含义

(1)/Eo+/.表达式中包含“+”元字符,表示可以与目标对象中的“Eo”,“Eool”,等在字母E后面连续出现一个或多个字母“O“的字符串相匹配。
(2)/we*/.表达式中包含“*”元字符,表示可以与目标对象中的“we”,“wee”,或者“well”等在字母w后面连续出现零个或多个字母e的字符串相匹配。
(3)/tel? /.表达式中包含.“?”字符,表示可以与目标对象中的“tell”,或者“tech”,等在字母e后面连续出现零个或一个字母l的字符串相匹配.其他主要元字符的使用方式如下。
s:用于匹配单个空格符,包括tab键和换行符;
S:用于匹配除单个空格符之外的所有字符;
d:用于匹配从0到9的数字;
w:用于匹配字母,数字或下划线字符;
W:用于匹配所有与w不匹配的字符;
·:用于匹配除换行符之外的所有字符.

限定符

在正则表达式中,可以用方括号括起若干个字符来表示一个元字符.除元字符外,正则表达式支持限定符的概念.这些限定符可以指定正则表达式的一个给定组件必须要出现多少次才能满足匹配,因而可以适应不知道要匹配多少字符时的不确定情况.限定符有三种使用说明如下。
(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“good”中的两个’O‘。
(2){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“goooood’中的所有‘O‘.’b{1,}‘等价于‘b+’;‘b{0,}’则等价于‘b*’。
(3){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“gooooood”中的前三个‘O‘;‘o{0,1}’等价于‘o?’,请注意逗号和两个数之间不能有空格。

2、正则表达式在php中的应用
正则表达式在web系统中的应用非常广泛,只要理解了如何编写正则表达式,可以采用不同的途径利用它进行判断,比如:检测数据格式、替换相关文本、提取感兴趣的文本内容等。

验证字符串中E-mail地址的合法性
邮件地址最基本的格式可以看作是<用户名@域名>.对于用户名,各个服务商没有统一的标准,除了数字和字母外,有的允许有“-”,有的允许有“.”,也有的两者皆可,或者允许其他的特殊字符.对此我们只能根据具体的情况加以判断.文中假设除字母和数字外还允许“.”,“-”,并且“.”,“-”,不能出现在首末位;“.”,“-”,不能相连.域名中各段除数字和字母外只允许出现“-”,“-”且不能出现在首位和末位,各段用“.”连接.我们还可从域名得知最后一段大于一位且只有字母.根据上面的描述我们可以写出表达式来判断该串是否是一个邮件地址:分步解释如下:
^:匹配开始

([a-z0-9A-Z]+[-|.]?)+:数字或字母大于1位,“-”或“.”,以上组合重复1次以上

[a-z0-9A-Z]:用户名以数字或字母结尾

@:匹配“@”

([a-z0-9A-Z]+:匹配多位数字或字母
(-[a-z0-9A-Z]+)?:匹配-加多位数字或字母0次或1次
.:匹配“.”
)+:匹配括号中内容多次
[a-zA-Z]{2,}:匹配字母2次以上
$:匹配结尾
把上面的各项组合一起,就可以匹配一个比较全面的
邮件地址,正则表达式如下:
^([a-z0-9A-Z]+[-|.]?)+[a-z0-9A-Z]@([a-z0-9A-Z]+(-[a-z0-9A-Z]+)? .)+[a-zA-Z]{2,}$
实现匹配验证的php程序脚本如下:
$email=“tcmorningdew@gmail. com”;//待验证的E- mail
地址
if ! preg-match(“/^([a-z0-9A-Z]+[-|.]?)
+[a-z0-9A-Z]@([a-z0-9A-Z]+(-[a-z0-9A
-Z]+)? .)+[a-zA-Z]{2,}$/”,$email)){// //
开始做电子邮件的格式做格式检测处理,不匹配返回0
echo“你的E-mail地址填写错误”;}
else {
echo“你的E-mail地址填写正确”;}
? >

使用正则表达式函数查找替换文本和代码
正则表达式是一种文本模式,可以与文本完全匹配,可以描述所要查找的文本的一种或多种变体.例如,在网络Blog和论坛中发表的不雅词汇,如何通过正则表达式替换掉?下面给出一个使用正则表达式函数来查找替换相应字符串的方法。
$string=“晨露博客”;//待验证
的原文本$s - array = array (“/哇/”,“/tmd/”,“/草泥马/”);//查找不雅词汇
$r-array=array(“哎呀”,“太”,“是你吗?”);//替换不雅词汇的字符串
echo '原文为:'.$string;
echo '
';
echo '替换后:'.preg-replace($s-array,$r-ar-ray,$string);
// preg-replace(pattern,replacement,string),该正则表达式函数会将string中符合表达式pattern的字符串全部替换为replacement.
? >

正则表达式语法简洁、功能强大,特别在对数据的验证问题上,如果使用通常程序方法来解决某个数据验证,可能导致一些数据无法被程序识别.如果创建一个正则表达式规则,尝试定制匹配搜索字符串中相应的特定模式,随后再根据此字符串的任何部分是否与该模式相匹配来确定某个表达式是否有效,从而实现对不同数据的合法性校验.正则表达式的缺点是创建可能比较复杂,含义比较含糊.但只要正确掌握其语法规则,书写起来也较容易。

.    平时做网站经常要用正则表达式，下面是一些讲解和例子，仅供大家参考和修改使用：
2.    "^d+$"　　//非负整数（正整数 + 0）
3.    "^[0-9]*[1-9][0-9]*$"　　//正整数
4.    "^((-d+)|(0+))$"　　//非正整数（负整数 + 0）
5.    "^-[0-9]*[1-9][0-9]*$"　　//负整数
6.    "^-?d+$"　　　　//整数
7.    "^d+(.d+)?$"　　//非负浮点数（正浮点数 + 0）
8.    "^(([0-9]+.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*.[0-9]+)|([0-9]*[1-9][0-9]*))$"　　//正浮点数
9.    "^((-d+(.d+)?)|(0+(.0+)?))$"　　//非正浮点数（负浮点数 + 0）
10.    "^(-(([0-9]+.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*.[0-9]+)|([0-9]*[1-9][0-9]*)))$"　　//负浮点数
11.    "^(-?d+)(.d+)?$"　　//浮点数
12.    "^[A-Za-z]+$"　　//由26个英文字母组成的字符串
13.    "^[A-Z]+$"　　//由26个英文字母的大写组成的字符串
14.    "^[a-z]+$"　　//由26个英文字母的小写组成的字符串
15.    "^[A-Za-z0-9]+$"　　//由数字和26个英文字母组成的字符串
16.    "^w+$"　　//由数字、26个英文字母或者下划线组成的字符串
17.    "^[w-]+(.[w-]+)*@[w-]+(.[w-]+)+$"　　　　//email地址
18.    "^[a-zA-z]+://(w+(-w+)*)(.(w+(-w+)*))*(?S*)?$"　　//url
19.    /^(d{2}|d{4})-((0([1-9]{1}))|(1[1|2]))-(([0-2]([1-9]{1}))|(3[0|1]))$/   //  年-月-日
20.    /^((0([1-9]{1}))|(1[1|2]))/(([0-2]([1-9]{1}))|(3[0|1]))/(d{2}|d{4})$/   // 月/日/年
21.    "^([w-.]+)@(([[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.)|(([w-]+.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(]?)$"   //Emil
22.    /^((+?[0-9]{2,4}-[0-9]{3,4}-)|([0-9]{3,4}-))?([0-9]{7,8})(-[0-9]+)?$/     //电话号码
23.    "^(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5])$"   //IP地址
24.   
25.    匹配中文字符的正则表达式： [u4e00-u9fa5]
26.    匹配双字节字符(包括汉字在内)：[^x00-xff]
27.    匹配空行的正则表达式：n[s| ]*r
28.    匹配HTML标记的正则表达式：/<(.*)>.*|<(.*) />/
29.    匹配首尾空格的正则表达式：(^s*)|(s*$)
30.    匹配Email地址的正则表达式：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*
31.    匹配网址URL的正则表达式：^[a-zA-z]+://(w+(-w+)*)(.(w+(-w+)*))*(?S*)?$
32.    匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
33.    匹配国内电话号码：(d{3}-|d{4}-)?(d{8}|d{7})?
34.    匹配腾讯QQ号：^[1-9]*[1-9][0-9]*$
35.   
36.   
37.    元字符及其在正则表达式上下文中的行为：
38.   
39.    将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转义符。
40.   
41.    ^ 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。
42.   
43.    $ 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。
44.   
45.    * 匹配前面的子表达式零次或多次。
46.   
47.    + 匹配前面的子表达式一次或多次。+ 等价于 {1,}。
48.   
49.    ? 匹配前面的子表达式零次或一次。? 等价于 {0,1}。
50.   
51.    {n} n 是一个非负整数，匹配确定的n 次。
52.   
53.    {n,} n 是一个非负整数，至少匹配n 次。
54.   
55.    {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。在逗号和两个数之间不能有空格。
56.   
57.    ? 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。
58.   
59.    . 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。
60.    (pattern) 匹配pattern 并获取这一匹配。
61.   
62.    (?: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。
63.   
64.    (?=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。
65.   
66.    (?!pattern) 负向预查，与(?=pattern)作用相反
67.   
68.    x|y 匹配 x 或 y。
69.   
70.    [xyz] 字符集合。
71.   
72.    [^xyz] 负值字符集合。
73.   
74.    [a-z] 字符范围，匹配指定范围内的任意字符。
75.   
76.    [^a-z] 负值字符范围，匹配任何不在指定范围内的任意字符。
77.   
78.    b 匹配一个单词边界，也就是指单词和空格间的位置。
79.   
80.    B 匹配非单词边界。
81.   
82.    cx 匹配由x指明的控制字符。
83.   
84.    d 匹配一个数字字符。等价于 [0-9]。
85.   
86.    D 匹配一个非数字字符。等价于 [^0-9]。
87.   
88.    f 匹配一个换页符。等价于 x0c 和 cL。
89.   
90.    n 匹配一个换行符。等价于 x0a 和 cJ。
91.   
92.    r 匹配一个回车符。等价于 x0d 和 cM。
93.   
94.    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]。
95.   
96.    S 匹配任何非空白字符。等价于 [^ fnrtv]。
97.   
98.    t 匹配一个制表符。等价于 x09 和 cI。
99.   
100.    v 匹配一个垂直制表符。等价于 x0b 和 cK。
101.   
102.    w 匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’。
103.   
104.    W 匹配任何非单词字符。等价于 ’[^A-Za-z0-9_]’。
105.   
106.    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。
107.   
108.    num 匹配 num，其中num是一个正整数。对所获取的匹配的引用。
109.   
110.    n 标识一个八进制转义值或一个后向引用。如果 n 之前至少 n 个获取的子表达式，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。
111.   
112.    nm 标识一个八进制转义值或一个后向引用。如果 nm 之前至少有is preceded by at least 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。
113.   
114.    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。
115.   
116.    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。
117.   
118.    匹配中文字符的正则表达式： [u4e00-u9fa5]
119.   
120.    匹配双字节字符(包括汉字在内)：[^x00-xff]
121.   
122.    匹配空行的正则表达式：n[s| ]*r
123.   
124.    匹配HTML标记的正则表达式：/<(.*)>.*|<(.*) />/
125.   
126.    匹配首尾空格的正则表达式：(^s*)|(s*$)
127.   
128.    匹配Email地址的正则表达式：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*
129.   
130.    匹配网址URL的正则表达式：http://([w-]+.)+[w-]+(/[w- ./?%&=]*)?
131.   
132.    利用正则表达式限制网页表单里的文本框输入内容：
133.   
134.    用正则表达式限制只能输入中文：onkeyup="value=value.replace(/[^u4E00-u9FA5]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^u4E00-u9FA5]/g,''))"
135.   
136.    用正则表达式限制只能输入全角字符： onkeyup="value=value.replace(/[^uFF00-uFFFF]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^uFF00-uFFFF]/g,''))"
137.   
138.    用正则表达式限制只能输入数字：onkeyup="value=value.replace(/[^d]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^d]/g,''))"
139.   
140.    用正则表达式限制只能输入数字和英文：onkeyup="value=value.replace(/[W]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^d]/g,''))"
141.   
142.    =========常用正则式
143.   
144.   
145.   
146.    匹配中文字符的正则表达式： [u4e00-u9fa5]
147.   
148.    匹配双字节字符(包括汉字在内)：[^x00-xff]
149.   
150.    匹配空行的正则表达式：n[s| ]*r
151.   
152.    匹配HTML标记的正则表达式：/<(.*)>.*|<(.*) />/
153.   
154.    匹配首尾空格的正则表达式：(^s*)|(s*$)
155.   
156.    匹配IP地址的正则表达式：/(d+).(d+).(d+).(d+)/g //
157.   
158.    匹配Email地址的正则表达式：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*
159.   
160.    匹配网址URL的正则表达式：http://(/[w-]+.)+[w-]+(/[w- ./?%&=]*)?
161.   
162.    sql语句：^(select|drop|delete|create|update|insert).*$
163.   
164.    1、非负整数：^d+$
165.   
166.    2、正整数：^[0-9]*[1-9][0-9]*$
167.   
168.    3、非正整数：^((-d+)|(0+))$
169.   
170.    4、负整数：^-[0-9]*[1-9][0-9]*$
171.   
172.    5、整数：^-?d+$
173.   
174.    6、非负浮点数：^d+(.d+)?$
175.   
176.    7、正浮点数：^((0-9)+.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*.[0-9]+)|([0-9]*[1-9][0-9]*))$
177.   
178.    8、非正浮点数：^((-d+.d+)?)|(0+(.0+)?))$
179.   
180.    9、负浮点数：^(-((正浮点数正则式)))$
181.   
182.    10、英文字符串：^[A-Za-z]+$
183.   
184.    11、英文大写串：^[A-Z]+$
185.   
186.    12、英文小写串：^[a-z]+$
187.   
188.    13、英文字符数字串：^[A-Za-z0-9]+$
189.   
190.    14、英数字加下划线串：^w+$
191.   
192.    15、E-mail地址：^[w-]+(.[w-]+)*@[w-]+(.[w-]+)+$
193.   
194.    16、URL：^[a-zA-Z]+://(w+(-w+)*)(.(w+(-w+)*))*(?s*)?$
195.    或：^http://[A-Za-z0-9]+.[A-Za-z0-9]+[/=?%-&_~`@[]':+!]*([^<>""])*$
196.   
197.    17、邮政编码：^[1-9]d{5}$
198.   
199.    18、中文：^[u0391-uFFE5]+$
200.   
201.    19、电话号码：^(((d{2,3}))|(d{3}-))?((0d{2,3})|0d{2,3}-)?[1-9]d{6,7}(-d{1,4})?$
202.   
203.    20、手机号码：^(((d{2,3}))|(d{3}-))?13d{9}$
204.   
205.    21、双字节字符(包括汉字在内)：^x00-xff
206.   
207.    22、匹配首尾空格：(^s*)|(s*$)（像vbscript那样的trim函数）
208.   
209.    23、匹配HTML标记：<(.*)>.*|<(.*) />
210.   
211.    24、匹配空行：n[s| ]*r
212.   
213.    25、提取信息中的网络链接：(h|H)(r|R)(e|E)(f|F) *= *('|")?(w||/|.)+('|"| *|>)?
214.   
215.    26、提取信息中的邮件地址：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*
216.   
217.    27、提取信息中的图片链接：(s|S)(r|R)(c|C) *= *('|")?(w||/|.)+('|"| *|>)?
218.   
219.    28、提取信息中的IP地址：(d+).(d+).(d+).(d+)
220.   
221.    29、提取信息中的中国手机号码：(86)*0*13d{9}
222.   
223.    30、提取信息中的中国固定电话号码：((d{3,4})|d{3,4}-|s)?d{8}
224.   
225.    31、提取信息中的中国电话号码（包括移动和固定电话）：((d{3,4})|d{3,4}-|s)?d{7,14}
226.   
227.    32、提取信息中的中国邮政编码：[1-9]{1}(d+){5}
228.   
229.    33、提取信息中的浮点数（即小数）：(-?d*).?d+
230.   
231.    34、提取信息中的任何数字 ：(-?d*)(.d+)?
232.   
233.    35、IP：(d+).(d+).(d+).(d+)
234.   
235.    36、电话区号：/^0d{2,3}$/
236.   
237.    37、腾讯QQ号：^[1-9]*[1-9][0-9]*$
238.   
239.    38、帐号(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
240.   
241.    39、中文、英文、数字及下划线：^[u4e00-u9fa5_a-zA-Z0-9]+$