正则表达式&字符串处理

程序原理：处理数据(Web上的数据）

数据：类型 字符串是程序中的一种最基本的类型 serialize

正则就是处理字符串的一种方式

处理字符串：查找、替换、删除、匹配、分割

1、正则表达式简介

正则表达式介绍

正则表达式：Regular Expression,是用于描述字符排列模式的一种语法规则。

正则表达式是查找和替换、切割字符串模式的简洁和灵活的表示方法。

正则表达式的用途：

在unix(linux)系统中，可以在编辑器中使用正则表达式实现对字符的搜索及处理；各种编程语言(c/c++,perl,java,javascript)也可以使用正则表达式实现对字符的模式分割、匹配、查找及替换操作。

正则表达式早期仅用于Unix系统程序，现在已被绝大多数系统、程序所支持。

PHP支持两种风格的正则表达式函数：一种是由PCRE（Perl Compatible Regular Expression）库提供的；另一种是由POSIX（Portable Operation System Implementation for unix,UNIX可移植操作系统实现接口）扩展库提供的。前者使用以“preg_”为前缀命名的函数；后者使用以“ereg_”为前缀命名的函数。两者功能相似，只是执行效率略有差异。PERL库的函数(preg_)执行效率略高。ereg_*相关函数在php6中将不被支持（从PHP5.3.0开始已经删除），不推荐使用。

2、正则表达式的语法规则

正则表达式描述了一种字符串的排列模式，主要用于字符串的模式分割、匹配、查找及替换等操作。正则表达式是主要由原子（普通字符，如单个英文字符、数字、特殊字符等）、元字符（有特殊功用的字符）以及模式修正字符组成。一个正则表达式中至少包含一个原子。他们各自功能和含义有所不同，下面将分别讲述正则表达式的组成元素及其语法规则。

$content = preg_split('/<div.+page-break-after.+div>/i',$content);原子：通常是最基本一个字符。

元字符：特殊字符，比如^,$。

模式修正字符:i,m等。9.php

模式修正符: 

模式修正符是标记在整个模式之外的. 

i :模式中的字符将同时匹配大小写字母. 

m :字符串视为多行. 

s :将字符串视为单行,换行符作为普通字符. 

x :将模式中的空白忽略. 

A :强制仅从目标字符串的开头开始匹配. 

D :模式中的美元元字符仅匹配目标字符串的结尾. 

U :匹配最近的字符串.

2.1普通转义字符

普通转义字符是一种原子。正则表达式所使用的普通转义字符见下表：

2.2 字符类（字符集）和范围：

任何包含在方括号[]中的内容都是一个字符类——一个被匹配字符所属的字符集合。"[]"中存放一组原子，彼此地位平等，且仅匹配其中的一个原子。

例:

[abc]表示匹配a或b或c中的一个

[a-z]表示所有a到z之间的字符中的一个

[A-Z]匹配所有大写字母中的一个

[a-zA-Z]表示任何的大小写字母中的一个

 [^a-z]匹配任何不在a到z之间的字符(^表示否)

[0-9]匹配所有的数字 \d

[0-9.-]匹配所有的数字，点号和减号

注意：

a.[]中的内容只表示一个字符。被匹配的文本中只要有[]中的任何一个字符，就匹配成功。

b.当把^放在方括号里面第一个位置时，表示否；如果^在方括号中的其他位置，表示是一个字符^。当^在[]中的第一个位置时，如果要匹配它本身,要用\转义。当该符号用在方括号外面时，一般表示正则表达式的开始。

c.当-不在a和z，A和Z,0和9之间，单独出现时，表示是一个字符-。

d.在[]中的特殊符号，不用转义。但是几个特殊字符除外：] 要转义，^在第一个位置要转义，反斜杠\，-要转义。三个反斜杠\代表一个\（4个也代表一个反斜杠）。

var_dump(preg_match_all('/[^a^\]]/', '33]3anba',$t));  //非a非]

2.3 重复匹配

重复

* 表示这个模式可以被重复0次，1次或多次 a{0,}

+ 表示这个模式可以被重复1次或多次 a{1,}

? 表示这个模式可以被重复0次或1次 a{0,1}

计数

{5}    表示匹配5次

{2,}   表示至少匹配2次  

{0,5}  表示至多匹配5次（不能写成{,5})

{2,5}  表示最少匹配2次，最多匹配5次

注:,后面不能有空格

2.4 开始或结尾

^ （或\A)用于正则表达式的开始

$ （或\Z)用于正则表达式的结尾

例：

^andy      表示在字符串开始处是 andy

.cn$          表示在字符串结尾处是 .cn

^[a-z]$    表示只包含a到z之间一个字符的字符串。

\B相当于\w ?

元字符“\b”对单词(指\w)的边界进行匹配；“\B”对单词的内部进行匹配。

例如：在字符串“This island is a beautiful land”中使用/\bis\b/可以匹配单词“is”，而与“This”或者“island”无关。/\bis/与单词左边界匹配，可以匹配单词“is”和“island”中的“is”；/\Bis/不与单词左边界匹配，可以匹配单词 “This”中的“is”。/\Bis\B/ 将明确的指示不与单词的左、右边界匹配，只匹配单词的内部。所以在这个例子中没有匹配结果。

2.5 元字符“.”

元字符“.”匹配除换行符外任何一个字符，相当于[^\n]（Unix系统）或[^\r\n]（Windows系统）。不是html的换行<br />。例如：/pr.y/可以匹配目字符串“prey”、“pray”或“pr%y”等。

通常，可以使用“.*”组合来匹配除换行符外的任何字符串。在一些书籍中也称其为“全匹配符”或“单含匹配符”。例如：/a.*z/ 表示可以匹配以字母“a”开头，字母“z”结束的任意不包括换行符的字符串。“. +”也可以完成类似的匹配功能，所不同的是其至少匹配一个字符。例如：/a.+z/将不匹配字符串“az”。

2.6 选择符

元字符“|”又称模式选择符（或）。在正则表达式中匹配两个或更多的选择之一。例如：在字符串“There are many apples and pears.”中，/apple|pear/在第一次运行时匹配“apple”；再次运行时匹配“pear”。也可以继续增加选项，如/apple|pear|banana|lemon/。

com|cn|net表示匹配com、cn或net

2.7 子表达式(又称原子、模式单元或组）

元字符“()”将其中的正则表达式变为原子（或称模式单元）使用。与数学表达式中的括号类似，“()”可以作为一个单元被单独使用。

例如：/(Dog)+/匹配的“Dog”、“DogDog”、“DogDogDog”……，因为紧接着“+”前的原子是用元字符“()”括起来的字符串“Dog”。

2.8 匹配特殊字符

特殊字符有一般加\，如要匹配$ ，则使用 \$

一些特殊字符：\ ^ $ . | ( ) * + ? { }  -

% , \ * " ' | \s \t < > & ~

注意：在PHP中，一般将正则表达式模式包括在一个单引号字符串中。使用双引号才行。