4.5 正则表达式
正则表达式是一种模糊匹配模式，特别适合于模糊查找与替换。很多高级语言都逐渐支持正则表达式。正则表达式在历史上出现过两种比较流行的语法：POSIX和Perl，但是由于Perl的效率更高，因此PHP自5.3.0版本起仅支持Perl兼容的正则表达式。
4.5.1 正则表达式的基本知识
1.正则表达式的定义
正则表达式是由普通字符（如字符a～z）和特殊字符组成的字符串模式。该模式设定了一些规则，当正则表达式函数使用这些规则时，可以根据设定好的内容对指定的字符串进行匹配。使用正则表达式可以完成以下功能。
1）测试字符串的某个模式。例如，可以对一个输入字符串进行测试，看在该字符串中是否存在一个E-mail地址模式或一个身份证模式，这称为数据有效性验证。
2）替换文本。可以在文档中使用一个正则表达式来标志特定字符串，然后全部将其删除，或者替换为别的字符串。
3）根据模式匹配从字符串中提取一个子字符串。可以用来在文本或输入字段中查找特定字符串。
正则表达式是由普通字符、特殊字符组成的一种字符模式，它由两个斜杠（/）括住。
2.正则表达式的特殊字符
（1）行定位符（^与$）
行定位符是用来描述字符串的边界。“$”表示行结尾，“^”表示行开始。如"^de"表示以de开头的字符串；"de$"，表示以de结尾的字符串。
（2）单词定界符
在查找的一个单词的时候，如an是否在一个字符串“gril and body”中存在，很明显如果匹配的话，an肯定是可以匹配字符串“gril and body”匹配到，怎样才能让其匹配单词，而不是单词的一部分呢？这时候，可以是用单词定界符\b。
\ban\b去匹配“gril and body”的话，就会提示匹配不到。
当然还有一个大写的\B，它的意思，和\b正好相反，它匹配的字符串不能使一个完整的单词，而是其他单词或字符串中的一部分。如\Ban\B。
（3）选择字符（|），表示或
选择字符表示或的意思。如Aa|aA，表示Aa或者是aA的意思。注意使用“[]”与“|”的区别，在于“[]”只能匹配单个字符，而“|”可以匹配任意长度的字符串。在使用“[]”的时候，往往配合连接字符“-”一起使用，如[a-d]，代表a或b或c或d。
（4）排除字符，排除操作
正则表达式提供了“^”来表示排除不符合的字符，^一般放在[]中。如[^1-5]，该字符不是1～5之间的数字。
（5）限定字符（？*+{n，m}）
限定字符主要是用来限定每个字符串出现的次数。如表4-3所示。
表4-3 限定字符
如，（D+）表示一个或多个D。
（6）点号操作符
匹配任意一个字符（不包含换行符）。
（7）表达式中的反斜杠（\）
表达式中的反斜杠有多重意义，如转义、指定预定义的字符集（如表4-4所示）、定义断言、显示不打印的字符（如表4-5所示）。
表4-4 指定预定义的字符集
表4-5 显示不可打印的字符
（8）转义字符
转义字符主要是将一些特殊字符转为普通字符。而这些常用特殊字符有“.”“?”“\”等。
（9）括号字符()
在正则表达式中，小括号()的作用主要有：
改变限定符如（|、*、^）的作用范围。如(my|your)baby，如果没有“()”，|将匹配的是要么是my，要么是yourbaby，有了小括号，匹配的就是mybaby或yourbaby。
（10）反向引用
反向引用，就是依靠子表达式的“记忆”功能，匹配连续出现的字串或是字符。如(dqs)(pps)\1\2，表示匹配字符串dqsppsdqspps。
（11）模式修饰符
模式修饰符的作用是设定模式，也就是正则表达式如何解释。PHP中主要模式修饰符如表4-6所示：
表4-6 模式修饰符
3.正则表达式的特殊字符应用
1）身份证号码由18位数字或17位数字后加一个X或Y组成，因此，身份证号码的正则表达式为：/[0-9]{17}[0-9XY]/。
2）邮政编码由6位数字组成，因此，邮政编码的正则表达式为：/[0-9l{6}/。
3）E-mail地址的正则表达式为：/[a-zA-Z0-9_\-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9_\.]+/。
其中，子表达式/[a-zA-Z0-9_\-]匹配E-mail用户名，由字母、数字、下画线和“-”组其中，子表达式/[a-zA-Z0-9_\-]匹配E-mail用户名，由字母、数字、下画线和“-”组成；子表达式[a-zA-Z0-9-]匹配主机的域名，由字母、数字和下画线组成；“\.”匹配点号（.）；子表达式[a-zA-Z0-9_\.]+匹配域名的剩余部分，由字母、数字和下画线组成。
4）url地址的正则表达式为：
/^http(s?):\/\/(?:[A-za-z0-9-]+\.)+[A-za-z]{2,4}(:\d+)?(?:[\/\?#][\/=\?%\-&～'@[\]\':+!\.#\w]*)?/。
5）手机号码的验证的正则表达式为：/1[345678]\d10/。
4.5.2 正则表达式在PHP中的应用
1.字符串匹配
所谓的字符串匹配，言外之意就是判断一个字符串中，是否包含或是等于另一个字符串。如果不使用正则匹配，可以使用PHP中提供了很多方法进行这样的判断。
（1）不使用正则匹配（使用字符串函数）
1）strstr()函数。
● haystack是当事字符串，needle是被查找的字符串。该函数区分大小写。
● 返回值是从needle开始到最后。
● 关于$needle，如果不是字符串，被当作整形来作为字符的序号来使用。
● before_needle若为true，则返回前东西。
Stristr()函数与strstr()函数相同，只是它不区分大小写。
2）strop()函数。
● 可选的offset参数可以用来指定从haystack中的哪一个字符开始查找。返回的数字位置是相对于haystack的起始位置而言的。
● stripos—查找字符串首次出现的位置（不区分大小定）。
● strrpos—计算指定字符串在目标字符串中最后一次出现的位置。
● strripos—计算指定字符串在目标字符串中最后一次出现的位置（不区分大小写）。
（2）使用正则进行匹配
在PHP中，提供了preg_math()函数和preg_match_all()函数进行正则匹配。关于这两个函数的原型如下：
函数功能为：搜索subject与pattern给定的正则表达式的一个匹配。
● pattern：要搜索的模式，字符串类型。
● subject：输入字符串。
● matches：如果提供了参数matches，它将被填充为搜索结果。matches[0]将包含完整模式匹配到的文本，matches[1]将包含第一个捕获子组匹配到的文本，以此类推。
● flags：flags可以被设置为标记值：PREG_OFFSET_CAPTURE。如果传递了这个标记，对于每一个出现的匹配返回时会附加字符串偏移量（相对于目标字符串的）。注意：这会改变填充到matches参数的数组，使其每个元素成为一个由第0个元素是匹配到的字符串，第1个元素是该匹配字符串在目标字符串subject中的偏移量。
● offset：通常，搜索从目标字符串的开始位置开始。可选参数offset用于指定从目标字符串的某个未知开始搜索（单位是字节）。
● 返回值：preg_match()函数返回pattern的匹配次数。它的值将是0次（不匹配）或1次，因为preg_match()函数在第一次匹配后将会停止搜索。preg_match_all()函数不同于此，它会一直搜索subject直到到达结尾。如果发生错误preg_match()函数返回false。
【例4-13】判断字符串“http://www.baidu.com”中是否包含baidu?
方法一：不使用正则表达式
如果不使用正则表达式，使用strstr()函数或者strpos()函数中任意一个都可以，在此，将使用strstr()函数，代码如下：
方法二：使用正则表达式
只需要判断字符串是否存在即可，所以选择preg_match()函数。
【例4-14】单词定界符判断：判断字符串“I am a good boy”中是否包含单词go。
首先判断是单词，而不是go这两个字母的字符串，因此比较的时候，需要比较是否包含“go”，即在字符串go前后有一个空格。
如果使用非正则比较，只需要调用上面的checkStr1()函数即可，注意，第二个参数前后要加一个空格，即‘go’。如果使用正则表达式，可以考虑使用单词定界符\b，即：$pattern=‘/\bgo\b/’;，然后调用checkStr2()函数即可。
【例4-15】反向引用：判断字符串“I am a good boy”中是否包含3个相同的字母。
此时，如果不使用正则，将会很难判断，因为字母太多了，不可能去将所有字母分别与该字符串比较，那样工作量也比较大。这时候涉及到了正则表达式的反向引用。在PHP正则表达式中，通过\n，来表示第n次匹配到的结果。如\5代表第五次匹配到的结果。那么本例的正则表达式为：$pattern='/(\w).*\1.*\1/';。
需要注意的是，在使用反向匹配的时候都需要使用小括号()，匹配()里面出现的字符或字符串。
2.字符串替换应用
（1）不使用正则匹配（使用字符串函数）
在PHP中当替换字符串的时候，通常可以使用str_replace()、substr_replace()等字符串函数，这两个函数的区别如表4-7所示。
表4-7 str_replace()函数、substr_replace()函数的区别
【例4-16】将字符串“hello，中国”中的hello替换为'你好'。
如果不使用正则表达式匹配，而使用字符函数，为：
或是：
（2）使用正则匹配
如果使用正则替换，PHP中提供了preg_replace_callback()函数和preg_replace()函数，preg_replace()函数原型如下：
函数功能描述：在字符串subject中，查找pattern，然后使用replacement去替换，如果有limit则代表限制替换limit次。Preg_replace_callback()函数与preg_replace()函数功能相似，不同的是preg_replaceback()函数使用一个回调函数callback来代替replacement。
使用正则匹配，上边例4-15实现语句如下：
3.字符串分割应用
php提供了explode()函数去分割字符串，与其对应的是implode()函数。关于explode()函数原型如下：
关于通过正则表达式进行字符串分割，PHP提供了split()函数、preg_split()函数。preg_split()函数通常是比split()函数更快的替代方案。preg_split()函数原型如下：
【例4-17】将字符串“http://product.dangdang.com/23882990.html”按照'/'进行分割。
方法一：
方法二：
4.5.3 正则表达式在JavaScript中的应用
test()函数是JavaScript提供的最重要的正则表达式函数，用于验证用户输入的数据是否满足指定的格式，该函数的语法格式如下：
说明：在字符串中查找与正则表达式相匹配的内容，若找到，则返回true;否则返回false。若正则表达式未含“^”或“$”，只要正则表达式为字符串的子串，该函数就返回true。若正则表达式包含“^”或“$”，只有正则表达式与字符串完全匹配，该函数才返回true。
【例3-18】 test()函数的用法示例。
4.5.4 正则表达式的其他特性
1.贪婪匹配与惰性匹配特性
（1）贪婪匹配：匹配尽可能多的字符
比如，正则表达式中m.*n，它将匹配最长以m开始，n结尾的字符串。如果用它来搜索manfakjkakn的话，它将匹配到的字符串是manfakjkakn而非man。可以这样想，当匹配到m的时候，它将从后面往前匹配字符n。
（2）惰性匹配：匹配尽可能少的字符
有的时候，我们需要并不是去贪婪匹配，而是尽可能少的去匹配。这时候，就需要将其转为惰性匹配。怎样将一个贪婪匹配转为惰性匹配呢？只需要在其后面添加一个“?”即可。如m.*?n将匹配manfakjkakn，匹配到的字符串是man。惰性匹配的字符描述如表4-8所示。
表4-8 惰性字符描述
2.PHP正则表达式之回溯与固态分组
（1）回溯
首先需要清楚什么是回溯，回溯就像是在走岔路口，当遇到岔路的时候就先在每个路口做一个标记。如果走了死路，就可以照原路返回，直到遇见之前所做过的标记，标记着还未尝试过的道路。如果另条路也走不了，可以继续返回，找到下一个标记，如此重复，直到找到出路，或者直到完成所有没有尝试过的路。
比如：
看到上面的程序，可能都清楚是什么意思，就是匹配$str是否包含这样一个由“a+0个或多个字母+c”不区分大小写的字符串。
（2）固态分组
固态分组，目的就是减少回溯次数，使用（?>…）括号中的匹配时如果产生了备选状态，一旦离开括号便会被立即抛弃掉。举个典型的例子如：‘\w+:’这个表达式在进行匹配时的流程是，会优先去匹配所有的符合\w的字符，假如字符串的末尾没有‘:’，即匹配没有找到冒号，此时触发回溯机制，该机制会迫使前面的\w+释放字符，并且在交还的字符中重新尝试与‘:’作比对。但是问题出现在这里：\w是不包含冒号的，显然无论如何都不会匹配成功，可是依照回溯机制，引擎还是继续往前找，这就是对资源的浪费。所以就需要避免这种回溯，方法就是将前面匹配到的内容固化，不令其存储备用状态，那么引擎就会因为没有备用状态可用而只得结束匹配过程。大大减少回溯的次数。
如下边这段代码，就不会进行回溯：
当然有的时候，又需慎用固态分组，如下边这段代码，要检查$str中是否包含以a结尾的字符串，很明显字符串中是包含字母a的，但是因为使用了固态分组，反而达不到想要的效果。
注：PHP中正则表达式在某些时候，能帮解决PHP函数很多困难的匹配或是替换。然而PHP中正则表达式的效率问题，是必须要考虑的，在某些时候，能不用正则表达式还是尽量不去用它，除非某些场合必须用到，或是我们能够有效减少其回溯次数。