PCRE正則表達(dá)式主要用于字符串的模式分割、匹配、查找及替換操作。使用正則表達(dá)式在某些簡(jiǎn)單的環(huán)境下可能效率不高，因此如何更好的使用PCRE正則表達(dá)式需要綜合考慮。
我的PCRE正則入門，是起源于網(wǎng)上的一篇文章，這篇文章由淺入深的闡述了PCRE正則表達(dá)式使用的方法，我覺得是一個(gè)很好的入門材料，不過學(xué)成還是要靠個(gè)人，在使用的過程中，還是會(huì)不斷地忘記，因此反反復(fù)復(fù)的閱讀了這篇文章有四五遍，對(duì)于其中一些比較困難的知識(shí)點(diǎn)，甚至要用很久才能消化，但是只要能見堅(jiān)持著看完，你會(huì)發(fā)現(xiàn)自己對(duì)于正則的運(yùn)用能力就會(huì)顯著提高。
PCRE正則表達(dá)式的定義：
用于描述字符排列和匹配模式的一種語(yǔ)法規(guī)則。它主要用于字符串的模式分割、匹配、查找及替換操作。
PHP中的正則函數(shù)：
PHP中有兩套正則函數(shù)，兩者功能差不多，分別為：
一套是由PCRE（Perl Compatible Regular Expression）庫(kù)提供的。使用“preg_”為前綴命名的函數(shù)；
一套由POSIX（Portable Operating System Interface of Unix ）擴(kuò)展提供的。使用以“ereg_”為前綴命名的函數(shù)；（POSIX的正則函數(shù)庫(kù)，自PCRE 5.3以后，就不在推薦使用，從PCRE6以后，就將被移除）
由于POSIX正則即將推出歷史舞臺(tái)，并且PCRE和perl的形式差不多，更利于我們?cè)?span lang="EN-US">perl和PCRE之間切換，所以這里重點(diǎn)介紹PCRE正則的使用。
PCRE正則表達(dá)式
PCRE全稱為Perl Compatible Regular Expression，意思是Perl兼容正則表達(dá)式。
在PCRE中，通常將模式表達(dá)式（即正則表達(dá)式）包含在兩個(gè)反斜線“/”之間，如“/apple/”。
正則中重要的幾個(gè)概念有：元字符、轉(zhuǎn)義、模式單元（重復(fù)）、反義、引用和斷言，這些概念都可以在文章[1]中輕松的理解和掌握。
常用的元字符(Meta-character)：
元字符 說明
\A 匹配字符串串首的原子
\Z 匹配字符串串尾的原子
\b 匹配單詞的邊界 /\bis/ 匹配頭為is的字符串 /is\b/ 匹配尾為is的字符串 /\bis\b/ 定界
\B 匹配除單詞邊界之外的任意字符 /\Bis/ 匹配單詞“This”中的“is”
\d 匹配一個(gè)數(shù)字；等價(jià)于[0-9]
\D 匹配除數(shù)字以外任何一個(gè)字符；等價(jià)于[^0-9]
\w 匹配一個(gè)英文字母、數(shù)字或下劃線；等價(jià)于[0-9a-zA-Z_]
\W 匹配除英文字母、數(shù)字和下劃線以外任何一個(gè)字符；等價(jià)于[^0-9a-zA-Z_]
\s 匹配一個(gè)空白字符；等價(jià)于[\f\t\v]
\S 匹配除空白字符以外任何一個(gè)字符；等價(jià)于[^\f\t\v]
\f 匹配一個(gè)換頁(yè)符等價(jià)于 \x0c 或 \cL
匹配一個(gè)換行符；等價(jià)于 \x0a 或 \cJ
匹配一個(gè)回車符等價(jià)于\x0d 或 \cM
\t 匹配一個(gè)制表符；等價(jià)于 \x09\或\cl
\v 匹配一個(gè)垂直制表符；等價(jià)于\x0b或\ck
\oNN 匹配一個(gè)八進(jìn)制數(shù)字
\xNN 匹配一個(gè)十六進(jìn)制數(shù)字
\cC 匹配一個(gè)控制字符
模式修正符（Pattern Modifiers）：
模式修正符在忽略大小寫、匹配多行中使用特別多，掌握了這一個(gè)修正符，往往能解決我們遇到的很多問題。
i －可同時(shí)匹配大小寫字母
M －將字符串視為多行
S －將字符串視為單行，換行符做普通字符看待，使“.”匹配任何字符
X －模式中的空白忽略不計(jì)
U －匹配到最近的字符串
e －將替換的字符串作為表達(dá)使用
格式：/apple/i匹配“apple”或“Apple”等，忽略大小寫。 /i
PCRE的模式單元：
//1 提取第一位的屬性
/^\d{2} ([\W])\d{2}\\1\d{4}$匹配“12-31-2006”、“09/27/1996”、“86 01 4321”等字符串。但上述正則表達(dá)式不匹配“12/34-5678”的格式。這是因?yàn)槟Ｊ?span lang="EN-US">“[\W]”的結(jié)果“/”已經(jīng)被存儲(chǔ)。下個(gè)位置“\1”引用時(shí)，其匹配模式也是字符“/”。
當(dāng)不需要存儲(chǔ)匹配結(jié)果時(shí)使用非存儲(chǔ)模式單元“（？：）”
例如/(?:a|b|c)(D|E|F)\\1g/ 將匹配“aEEg”。在一些正則表達(dá)式中，使用非存儲(chǔ)模式單元是必要的。否則，需要改變其后引用的順序。上例還可以寫成/（a|b|c） (C|E|F)\2g/。
PCRE正則表達(dá)式函數(shù)：
| preg_match() 和preg_match_all()
preg_quote()
preg_split()
preg_grep()
preg_replace() |
函數(shù)的具體使用，我們可以通過PCRE手冊(cè)來找到，下面分享一些平時(shí)積累的正則表達(dá)式：
匹配action屬性
| $str = '';
$match = '';
preg_match_all('/\s+action=\"(?!http:)(.*?)\"\s/', $str, $match);
print_r($match); |
在正則中使用回調(diào)函數(shù)
|
function callback_replace() {
$url = 'http://esfang.house.sina.com.cn';
$str = '';
$str = preg_replace ( '/(?<=\saction=\")(?!http:)(.*?)(?=\"\s)/e', 'search(\$url, \\1)', $str );
echo $str;
}
function search($url, $match){
return $url . '/' . $match;
}
|
帶斷言的正則匹配
| $match = '';
$str = 'xxxxxx.com.cn bold font
paragraph text
';
preg_match_all ( '/(?<=<(\w{1})>).*(?=<\/\1>)/', $str, $match );
echo "匹配沒有屬性的HTML標(biāo)簽中的內(nèi)容：";
print_r ( $match ); |
替換HTML源碼中的地址
| $form_html = preg_replace ( '/(?<=\saction=\"|\ssrc=\"|\shref=\")(?!http:|javascript)(.*?)(?=\"\s)/e', 'add_url(\$url, \'\\1\')', $form_html ); |
最后，正則工具雖然強(qiáng)大，但是從效率和編寫時(shí)間上來講，有的時(shí)候可能沒有explode來的更直接，對(duì)于一些緊急或者要求不高的任務(wù)，簡(jiǎn)單、粗暴的方法也許更好。
后向引用
使用小括號(hào)指定一個(gè)子表達(dá)式后，匹配這個(gè)子表達(dá)式的文本可以在表達(dá)式或其它程序中作進(jìn)一步的處理。默認(rèn)情況下，每個(gè)分組會(huì)自動(dòng)擁有一個(gè)組號(hào)，規(guī)則是：從左向右，以分組的左括號(hào)為標(biāo)志，第一個(gè)出現(xiàn)的分組的組號(hào)為1，第二個(gè)為2，以此類推。
后向引用用于重復(fù)搜索前面某個(gè)分組匹配的文本。例如，\1代表分組1匹配的文本。難以理解？請(qǐng)看示例：
\b(\w+)\b\s+\1\b可以用來匹配重復(fù)的單詞，像go go, kitty kitty。首先是一個(gè)單詞，也就是單詞開始處和結(jié)束處之間的多于一個(gè)的字母或數(shù)字(\b(\w+)\b)，然后是1個(gè)或幾個(gè)空白符(\s+，最后是前面匹配的那個(gè)單詞(\1)。
你也可以自己指定子表達(dá)式的組號(hào)或組名。要指定一個(gè)子表達(dá)式的組名，請(qǐng)使用這樣的語(yǔ)法：(?<Word>\w+),這樣就把\w+的組名指定為Word了。要反向引用這個(gè)分組捕獲的內(nèi)容，你可以使用\k<Word>,所以上一個(gè)例子也可以寫成這樣：\b(?<Word>\w+)\b\s*\k<Word>\b。
使用小括號(hào)的時(shí)候，還有很多特定用途的語(yǔ)法。下面列出了最常用的一些：
表4.分組語(yǔ)法捕獲(exp)匹配exp,并捕獲文本到自動(dòng)命名的組里(?<name>exp)匹配exp,并捕獲文本到名稱為name的組里，也可以寫成(?'name'exp)(?:exp)匹配exp,不捕獲匹配的文本位置指定(?=exp)匹配exp前面的位置(?<=exp)匹配exp后面的位置(?!exp)匹配后面跟的不是exp的位置(?<!exp)匹配前面不是exp的位置注釋(?#comment)這種類型的組不對(duì)正則表達(dá)式的處理產(chǎn)生任何影響，只是為了提供讓人閱讀注釋我們已經(jīng)討論了前兩種語(yǔ)法。第三個(gè)(?:exp)不會(huì)改變正則表達(dá)式的處理方式，只是這樣的組匹配的內(nèi)容不會(huì)像前兩種那樣被捕獲到某個(gè)組里面。
位置指定
接下來的四個(gè)用于查找在某些內(nèi)容(但并不包括這些內(nèi)容)之前或之后的東西，也就是說它們用于指定一個(gè)位置，就像\b,^,$那樣，因此它們也被稱為零寬斷言。最好還是拿例子來說明吧：
(?=exp)也叫零寬先行斷言，它匹配文本中的某些位置，這些位置的后面能匹配給定的后綴exp。比如\b\w+(?=ing\b)，匹配以ing結(jié)尾的單詞的前面部分(除了ing以外的部分)，如果在查找I'm singing while you're dancing.時(shí)，它會(huì)匹配sing和danc。
(?<=exp)也叫零寬后行斷言，它匹配文本中的某些位置，這些位置的前面能給定的前綴匹配exp。比如(?<=\bre)\w+\b會(huì)匹配以re開頭的單詞的后半部分(除了re以外的部分)，例如在查找reading a book時(shí)，它匹配ading。
假如你想要給一個(gè)很長(zhǎng)的數(shù)字中每三位間加一個(gè)逗號(hào)(當(dāng)然是從右邊加起了)，你可以這樣查找需要在前面和里面添加逗號(hào)的部分：((?<=\d)\d{3})*\b。請(qǐng)仔細(xì)分析這個(gè)表達(dá)式，它可能不像你第一眼看出來的那么簡(jiǎn)單。
下面這個(gè)例子同時(shí)使用了前綴和后綴：(?<=\s)\d+(?=\s)匹配以空白符間隔的數(shù)字(再次強(qiáng)調(diào)，不包括這些空白符)。
負(fù)向位置指定
前面我們提到過怎么查找不是某個(gè)字符或不在某個(gè)字符類里的字符的方法(反義)。但是如果我們只是想要確保某個(gè)字符沒有出現(xiàn)，但并不想去匹配它時(shí)怎么辦？例如，如果我們想查找這樣的單詞--它里面出現(xiàn)了字母q,但是q后面跟的不是字母u,我們可以嘗試這樣：
\b\w*q[^u]\w*\b匹配包含后面不是字母u的字母q的單詞。但是如果多做測(cè)試(或者你思維足夠敏銳，直接就觀察出來了)，你會(huì)發(fā)現(xiàn)，如果q出現(xiàn)在單詞的結(jié)尾的話，像Iraq,Benq，這個(gè)表達(dá)式就會(huì)出錯(cuò)。這是因?yàn)?span lang="EN-US">[^u]總是匹配一個(gè)字符，所以如果q是單詞的最后一個(gè)字符的話，后面的[^u]將會(huì)匹配q后面的單詞分隔符(可能是空格，或者是句號(hào)或其它的什么)，后面的\w+\b將會(huì)匹配下一個(gè)單詞，于是\b\w*q[^u]\w*\b就能匹配整個(gè)Iraq fighting。負(fù)向位置指定能解決這樣的問題，因?yàn)樗黄ヅ湟粋€(gè)位置，并不消費(fèi)任何字符。現(xiàn)在，我們可以這樣來解決這個(gè)問題：\b\w*q(?!u)\w*\b。
零寬負(fù)向先行斷言(?!exp)，只會(huì)匹配后綴exp不存在的位置。\d{3}(?!\d)匹配三位數(shù)字，而且這三位數(shù)字的后面不能是數(shù)字。
同理，我們可以用(?<!exp),零寬負(fù)向后行斷言來查找前綴exp不存在的位置：(?<![a-z])\d{7}匹配前面不是小寫字母的七位數(shù)字(實(shí)驗(yàn)時(shí)發(fā)現(xiàn)錯(cuò)誤？注意你的“區(qū)分大小寫”先項(xiàng)是否選中)。
一個(gè)更復(fù)雜的例子：(?<=<(\w+)>).*(?=<\/\1>)匹配不包含屬性的簡(jiǎn)單HTML標(biāo)簽內(nèi)里的內(nèi)容。(<?(\w+)>)指定了這樣的前綴：被尖括號(hào)括起來的單詞(比如可能是<b>)，然后是.*(任意的字符串),最后是一個(gè)后綴(?=<\/\1>)。注意后綴里的\/，它用到了前面提過的字符轉(zhuǎn)義；\1則是一個(gè)反向引用，引用的正是捕獲的第一組，前面的(\w+)匹配的內(nèi)容，這樣如果前綴實(shí)際上是<b>的話，后綴就是</b>了。整個(gè)表達(dá)式匹配的是<b>和</b>之間的內(nèi)容(再次提醒，不包括前綴和后綴本身)。
貪婪與懶惰
當(dāng)正則表達(dá)式中包含能接受重復(fù)的限定符(指定數(shù)量的代碼，例如*,{5,12}等)時(shí)，通常的行為是（在使整個(gè)表達(dá)式能得到匹配的前提下）匹配盡可能多的字符。考慮這個(gè)表達(dá)式：a.*b，它將會(huì)匹配最長(zhǎng)的以a開始，以b結(jié)束的字符串。如果用它來搜索aabab的話，它會(huì)匹配整個(gè)字符串aabab。這被稱為貪婪匹配。
有時(shí)，我們更需要懶惰匹配，也就是匹配盡可能少的字符。前面給出的限定符都可以被轉(zhuǎn)化為懶惰匹配模式，只要在它后面加上一個(gè)問號(hào)?。這樣.*?就意味著匹配任意數(shù)量的重復(fù)，但是在能使整個(gè)匹配成功的前提下使用最少的重復(fù)。現(xiàn)在看看懶惰版的例子吧：
a.*?b匹配最短的，以a開始，以b結(jié)束的字符串。如果把它應(yīng)用于aabab的話，它會(huì)匹配aab和ab（為什么第一個(gè)匹配是aab而不是ab？簡(jiǎn)單地說，最先開始的區(qū)配最有最大的優(yōu)先權(quán)——The Match That Begins Earliest Wins）。
表5.懶惰限定符*?重復(fù)任意次，但盡可能少重復(fù)+?重復(fù)1次或更多次，但盡可能少重復(fù)??重復(fù)0次或1次，但盡可能少重復(fù){n,m}?重復(fù)n到m次，但盡可能少重復(fù){n,}?重復(fù)n次以上，但盡可能少重復(fù)
平衡組
如果想要匹配可嵌套的層次性結(jié)構(gòu)的話，就得使用平衡組了。舉個(gè)例子吧，如何把“xx <aa <bbb> <bbb> aa> yy”這樣的字符串里，最長(zhǎng)的括號(hào)內(nèi)的內(nèi)容捕獲出來？
這里需要用到以下的語(yǔ)法構(gòu)造：
(?<group>) 把捕獲的內(nèi)容命名為group,并壓入堆棧
(?<-group>) 從堆棧上彈出最后壓入堆棧的名為group的捕獲內(nèi)容，如果堆棧本來為空，則本分組的匹配失敗
(?(group)yes|no) 如果堆棧上存在以名為group的捕獲內(nèi)容的話，繼續(xù)匹配yes部分的表達(dá)式，否則繼續(xù)匹配no部分
(?!) 零寬負(fù)向先行斷言，由于沒有后綴表達(dá)式，試圖匹配總是失敗
如果你不是一個(gè)程序員（或者你是一個(gè)對(duì)堆棧的概念不熟的程序員），你就這樣理解上面的三種語(yǔ)法吧：第一個(gè)就是在黑板上寫一個(gè)（或再寫一個(gè)）"group"，第二個(gè)就是從黑板上擦掉一個(gè)"group"，第三個(gè)就是看黑板上寫的還有沒有"group"，如果有就繼續(xù)匹配yes部分，否則就匹配no部分。
我們需要做的是每碰到了左括號(hào)，就在黑板上寫一個(gè)"group"，每碰到一個(gè)右括號(hào)，就擦掉一個(gè)，到了最后就看看黑板上還有沒有－如果有那就證明左括號(hào)比右括號(hào)多，那匹配就應(yīng)該失敗（為了能看得更清楚一點(diǎn)，我用了(?'group')的語(yǔ)法）：
< #最外層的左括號(hào)
[^<>]* #最外層的左括號(hào)后面的不是括號(hào)的內(nèi)容
( ( (?'Open'<) #碰到了左括號(hào)，在黑板上寫一個(gè)"Open"
[^<>>]* #匹配左括號(hào)后面的不是括號(hào)的內(nèi)容
)+ ( (?'-Open'>) #碰到了右括號(hào)，擦掉一個(gè)"Open"
[^<>]* #匹配右括號(hào)后面不是括號(hào)的內(nèi)容
)+ )* (?(Open)(?!)) #在遇到最外層的右括號(hào)前面，判斷黑板上還有沒有沒擦掉的"Open"；如果還有，則匹配失敗
> #最外層的右括號(hào)