正则表达式小结

03 October 2013

###分隔符

当使用 PCRE 函数的时候，模式需要由分隔符闭合包裹。分隔符可以使任意非字母数字、非反斜线、非空白字符。经常使用的分隔符是正斜线(/)、hash符号(#) 以及取反符号(~)。

###元字符

元字符是正则表达式中具有特殊意义的专用字符,用来规定其前导字符在目标对象中的出现模式.

共有两种不同的元字符：一种是可以在模式中方括号外任何地方使用的，另外一种是需要在方括号内使用的。(元字符列表)[http://www.php.net/manual/zh/regexp.reference.meta.php]

###字符组

使用中括号的字符集称为字符组.例如[c[aou?*)]]t,注意字符组里的元字符可以不转义.在字符组中要使用\时,在其前面要多加\\两个斜线.

###分支

在圆括号中使用进行分支.例如:(c|h|to)at,可以匹配cat,hat,toat.

###分组

通过圆括号分隔界定，并且它们可以嵌套.常用分组语法:

分类	代码/语法	说明
捕获	(exp)	匹配exp,并捕获文本到自动命名的组里
	(?<name>exp)	匹配exp,并捕获文本到名称为name的组里，也可以写成(?’name’exp)
	(?:exp)	匹配exp,不捕获匹配的文本，也不给此分组分配组号
断言	(?=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
注释	(?#comment)	这种类型的分组不对正则表达式的处理产生任何影响，用于提供注释让人阅读

可以看看这篇博文:正则表达式 – 分组语法（捕获/断言/注释）

###反向引用

注意它不仅可以用在pattern中,还可以用在replacement中,例如:

1
2
3
4
5
<?php
$str = '\*?123';
$str = preg_replace('~[\\\*?]+(\d+)~', '\1', $str);
var_dump($str);
?>

###贪婪/懒惰匹配模式

在重复量词之后加个?就形成了懒惰模式,例如:a.*b匹配aabab整个字符串,而a.*?b匹配aabab的aab和ab两组字符.

###常用的模式

1.忽略大小写模式(i) 2.多行模式(m) 3.点号通配模式(s),即点号可以匹配换行符 4.懒惰模式(U),相当于重复量词之后加了个? 5.支持UTF-8转义表达(u)

1
2
3
4
5
<?php
$str = '你好世界';
preg_match('~[\x{4e00}-\x{9fa5}]+~u', $str, $matches);
var_dump($matches);
?>

###正则表达式的效率与优化

1.使用字符组会比分支条件快一点
2.尽量使用与匹配字符相同类型的元字符
3.匹配字符数目确定的就不用任意多量词
4.尽量使用字符串处理函数代替正则
5.合理使用括号,每使用一个普通括号,而不是非捕获型括号(?:),就会保留一部分内存等着再次被访问
6.使用PHP原生函数Filter系列函数和ctype函数

PHP 40

PHP应用 7