正則表示式學習筆記

（原創內容，轉載請註明來源，謝謝）

首先，學習正則表示式，很推薦一篇部落格，http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html，deerchao寫的《正則表示式30分鐘入門教程》，看完他的文章，基本上可以在實際中使用正則表示式，本文是結合此部落格和一些其他書籍的內容的學習筆記。

一、基礎內容

我認為的基礎內容包括以下7點，掌握後可以使用正則匹配很多內容。

1、位置

正則表示式表示位置的字元有^（表示字串開始）、$（字串結束）、b（字串開始或結束）。

在明確需要匹配的位置的情況下，建議使用^、$，因為其會加快字串的匹配速度。

2、數量

正則表示式表示數量的主要有*（匹配任意次）、？（匹配0次或1次）、+（匹配1次或多次）、[]（中括號內的內容匹配其中一個一次）、{m,n}（匹配m至n次，n省略則匹大於或等於m次，逗號也省略則匹配m次）。

3、字元組

字元組為使用一些特殊的方式表示一組同樣規律的內容。d表示0-9任意一個數字，

s表示任意個空白字元（空格），w表示任意大小寫字母、數字、下劃線、中文。.（點）表示換行符以外的任意內容。

字元組和數量常常組合起來使用，如匹配四位數字可以用d{4}。

4、反義

^符號用在正則的第一個位置表示字串的開始，但是用在[]內部則表示非，例如[^d]表示匹配1個不是數字的字元。其他還有W（表示非w）、D（表示非d）、S（表示s）、[^abc]表示匹配abc以外的字元。

5、轉義

轉義使用反斜槓，這個和很多程式語言相同。即\匹配，.匹配.等。

6、分支

分支符號為|，和程式語言中的||意思相似，表示或的意思。例如要匹配my和mine，可以使用m(y|ine)進行匹配。

7、分組

分組採用()（小括號）把內容放在裡面，通常分組後可以加上表示數量的詞，進行批量匹配。例如要匹配的內容是三個數字加一個字母a，一共匹配10次，可以用(d{3}a){10}。

二、進階內容

除了上述內容，正則表示式提供了一些高階的功能，讓匹配更加全面與方便。

1、捕獲

1) (?<name>exp)，該含義為匹配表示式exp，並將其命名為name，後面的匹配中可以用k<name>表示匹配到的內容。

例如，(?<myname>d{4})w?k<myname>，表示把第一次匹配到的4個數字存在myname內，後面就用k<mynname>再次匹配即可。

2) 捕獲還有其他寫法，如(exp)，表示不給exp取名字，該情況下會儲存在系統預設名字內，從1開始編號。例如(d)w(d{5})w1w2，表示第一次捕獲的一個數字存在1內，第二次捕獲的五個數字存在2內。

3) 因此，在正則表示式中，括號應當慎用，因為每個括號正則都會將其捕獲，並進行儲存，如果在長字串匹配的情況下，又使用了大量的括號，將佔用較多儲存空間。另外，如果不需要捕獲內容，可以使用(?:exp)，表示不捕獲文字，也不進行編號。

2、零寬斷言

零寬斷言也是類似$、^等表示位置的字元，但是對該位置上的字元有一定的要求。主要有四個表達方式。

1) (?=exp)，表示該位置的內容要滿足exp的要求時，匹配exp之前的內容。例如w+(?=ing)，會匹配doing的do。

2) (?<=exp)，表示該位置的內容要滿足exp的要求時，匹配exp之後的內容。例如w+(?<=re)，會匹配reading的ading。

3) (?!exp)，表示該位置的內容不是exp時，匹配exp之前的內容。例如bw+(?!ing)b，會匹配不含ing結尾的任意單詞。

4) (?<!exp)，表示該位置的內容不是exp時，匹配exp之後的內容。例如bw+(?!re)b會匹配任意不是以re開頭的單詞。

上述內容中，3)、4)又稱為負向零寬斷言。

3、註釋

(?#comment)表示註釋，不會被解析，僅僅是便於其他人員檢視正則表示式。

4、懶惰匹配

1) 懶惰匹配表示匹配儘量少的內容，在匹配符後面加上一個?即可。*?表示重複任意次，但是儘可能的少重複；{10,}表示重複10次以上，但是儘可能少重複。其他數量詞加上?也一樣，表示滿足基本條件的情況下儘可能少匹配。

例如，a.*?b在字串abaab中會匹配到ab。

2) 與懶惰匹配相對應的，就是貪婪匹配，在不加?情況下，前面說的內容都是貪婪匹配。

3) 為了使程式匹配速度更快，在確定只需要懶惰匹配的情況下，需要加上?，可以最快匹配到需要的內容。

5、優先順序問題

優先順序從高到低，依次是：

1)

2) ()、(?=)、(?=)、[]

3) *、+、?、{n}、{n,}、{n,m}

4) ^、$、任意字元

5) |

三、PHP正則表示式匹配函式

1、preg_math

官方文件int preg_match ( string $pattern , string $subject [, array &$matches [, int $flags = 0 [, int $offset = 0 ]]] )

常用到前三個引數，$pattern表示匹配的模式，$subject表示需要匹配的字串，如果提供了引數matches，它將被填充為搜尋結果。$matches[0]將包含完整模式匹配到的文字，$matches[1] 將包含第一個捕獲子組匹配到的文字，以此類推。

函式返回：pattern 的匹配次數。它的值將是0次（不匹配）或1次，因為preg_match()在第一次匹配後 將會停止搜尋。

2、preg_match_all

官方文件int preg_match_all ( string $pattern , string $subject [, array &$matches [, int $flags = PREG_PATTERN_ORDER [, int$offset = 0 ]]] )

前三個引數和preg_math一樣，返回完整匹配次數（可能是0），或者如果發生錯誤返回FALSE。該函式匹配成功一次後，會從匹配成功的最後一個位置開始，繼續往後匹配。

3、常用模式

preg_math和preg_math_all的$pattern，需要輸入的字串都是 ‘%exp%’，即在正則表示式的基礎上，前後加上兩個%。通常來說，不使用%，而用其他符號也可以，只需要保證前後一致即可。實際工程中，為了專案統一，最好定一個一致的號碼。

1) 忽略大小寫

$pattern = ‘%exp%i’，即在第二個%後面加一個字母i即忽略大小寫匹配。

2) 點號通配模式

點號通配模式表示元字元.（點）忽略換行。使用方法是$pattern= ‘%exp%s’

3) 多行模式

多行模式表示，當$pattern是多行內容時，如果加上$、^，該模式下，會將$、^之間的內容當成一行內容，忽略字串當中的換行n。使用方法是$pattern = ‘%exp%m’

4) 懶惰模式

類似於正則表示式的懶惰模式，使用方法是$pattern = ‘%exp%U’

5) 結尾限制模式

該模式下，結尾不能有換行，否則匹配失敗。使用方法是$pattern = ‘%exp%D’

6) 支援UTF-8轉義表達方式

如果漢字等被用UTF-8編碼，則需要開啟此模式進行匹配。使用方法是$pattern = ‘%exp%u’

四、實際應用

1、校驗

如手機號校驗，要判斷手機號是否為移動的號碼，即要確定開頭為135-139、150-151、157-159、182、183、188的手機號，表示式如下：

(?:13[4-9]|15[01789]|18[238])d{8}

2、資料安全

當給使用者提供輸入框時，使用者可能往裡面輸入js程式碼對網站進行破壞，這個稱為XSS攻擊，因此可以用正則表示式把所有的<>或者</>去掉。表示式如下：

</?[^>]+>

3、URL重定向

在Apache和Nginx中，經常需要配置url的rewrite，可以把php字尾的檔案重定向到html字尾的檔案中，這樣做便於搜尋引擎的檢索。

假設需要把test.php?name=a&page=1重定向為test_a_1.html，在apache的.htaccess中，可以如下方式：

RewriteEngine on

RewriteRule index.html index.php

RewriteRule test_([a-z]+)(d?).htmltest.php?name=$1&page=$2[NC]

NC表示忽略大小寫，rewriteengineon是開啟rewrite的意思。

五、PHP正則表示式的優化

當字串很長，需要匹配的模式串也很長的時候，需要儘可能的對正則表示式進行優化，否則會降低程式執行速度。

1、滿足匹配前提下少用|

|符號效率較低，需要逐個進行匹配，例如[abc]和[a|b|c]，|會把內容分別進行匹配。

2、限定量詞優先

在確定需要匹配次數的情況下，儘量不要使用*、+、{n,}等不限定長度的量詞，否則會進行多次的查詢。

3、優先用preg_match/命中率最高的匹配項放最左側

因為其匹配到就停止，而preg_match_all會把全部內容匹配完。同樣，在多個匹配條件情況下，把最有可能命中的情況放在最左側，則匹配到就不會繼續往後匹配。

4、合理使用括號

括號會佔用儲存空間，大量匹配的情況下慎用。

5、使用PHP自帶的一些函式

1) 當可以確定需要的字串的位置時，儘量使用字串匹配函式，即str開頭的函式，匹配速度更快。

2) 需要匹配PHP的原始碼，可以安裝使用PHP自帶的Tokenizer分析函式，可以準確的分析PHP的變數、常量、類名、方法名等。

3) 解析URL時，可以用PHP自帶的parse_url()函式，該函式可以把url的型別、host、path、query等輸出。

4) 獲取HTTP頭，可以使用PHP自帶的get_headers()函式，該函式可以捕獲到HTTP頭的資訊，並用陣列方式返回。

5) 驗證郵箱資訊、URL資訊、資料型別等，均可以安裝使用PHP的filter_var函式，該函式可以使用特定的過濾器過濾一個變數。

六、驗證正則表示式的正確性

網上有很多驗證工具，我個人比較喜歡的是http://tool.lu/regex/

——written by linhxx 2017.07.05