正則表達式 - 匹配規則

基本模式匹配

一切從最基本的開始。模式，是正則表達式最基本的元素，它們是一組描述字符串特征的字符。模式可以很簡單，由普通的字符串組成，也可以非常複雜，往往用特殊的字符表示一個範圍內的字符、重複出現，或表示上下文。例如：

^once

這個模式包含一個特殊的字符 ^，表示該模式隻匹配那些以 once 開頭的字符串。例如該模式與字符串 "once upon a time" 匹配，與 "There once was a man from NewYork" 不匹配。正如如 ^ 符號表示開頭一樣，$ 符號用來匹配那些以給定模式結尾的字符串。

bucket$

這個模式與 "Who kept all of this cash in a bucket" 匹配，與 "buckets" 不匹配。字符 ^ 和 $ 同時使用時，表示精確匹配（字符串與模式一樣）。例如：

^bucket$

隻匹配字符串 "bucket"。如果一個模式不包括 ^ 和 $，那麼它與任何包含該模式的字符串匹配。例如模式：

once

與字符串

There once was a man from NewYork
Who kept all of his cash in a bucket.

是匹配的。

在該模式中的字母 (o-n-c-e) 是字麵的字符，也就是說，他們表示該字母本身，數字也是一樣的。其他一些稍微複雜的字符，如標點符號和白字符（空格、製表符等），要用到轉義序列。所有的轉義序列都用反斜杠 \ 打頭。製表符的轉義序列是 \t。所以如果我們要檢測一個字符串是否以製表符開頭，可以用這個模式：

^\t 

類似的，用 \n 表示"新行"，\r 表示回車。其他的特殊符號，可以用在前麵加上反斜杠，如反斜杠本身用 \\ 表示，句號 . 用 \. 表示，以此類推。

字符簇

在 INTERNET 的程序中，正則表達式通常用來驗證用戶的輸入。當用戶提交一個 FORM 以後，要判斷輸入的電話號碼、地址、EMAIL 地址、信用卡號碼等是否有效，用普通的基於字麵的字符是不夠的。

所以要用一種更自由的描述我們要的模式的辦法，它就是字符簇。要建立一個表示所有元音字符的字符簇，就把所有的元音字符放在一個方括號裏：

[AaEeIiOoUu]

這個模式與任何元音字符匹配，但隻能表示一個字符。用連字號可以表示一個字符的範圍，如：

[a-z] // 匹配所有的小寫字母 
[A-Z] // 匹配所有的大寫字母 
[a-zA-Z] // 匹配所有的字母 
[0-9] // 匹配所有的數字 
[0-9\.\-] // 匹配所有的數字，句號和減號 
[ \f\r\t\n] // 匹配所有的白字符

同樣的，這些也隻表示一個字符，這是一個非常重要的。如果要匹配一個由一個小寫字母和一位數字組成的字符串，比如 "z2"、"t6" 或 "g7"，但不是 "ab2"、"r2d3" 或 "b52" 的話，用這個模式：

^[a-z][0-9]$

盡管 [a-z] 代表 26 個字母的範圍，但在這裏它隻能與第一個字符是小寫字母的字符串匹配。

前麵曾經提到^表示字符串的開頭，但它還有另外一個含義。當在一組方括號裏使用 ^ 時，它表示"非"或"排除"的意思，常常用來剔除某個字符。還用前麵的例子，我們要求第一個字符不能是數字：

^[^0-9][0-9]$

這個模式與 "&5"、"g7"及"-2" 是匹配的，但與 "12"、"66" 是不匹配的。下麵是幾個排除特定字符的例子：

[^a-z] //除了小寫字母以外的所有字符 
[^\\\/\^] //除了(\)(/)(^)之外的所有字符 
[^\"\'] //除了雙引號(")和單引號(')之外的所有字符

特殊字符 .(點，句號)在正則表達式中用來表示除了"新行"之外的所有字符。所以模式 ^.5$ 與任何兩個字符的、以數字5結尾和以其他非"新行"字符開頭的字符串匹配。模式 . 可以匹配任何字符串，換行符（\n、\r）除外。

PHP的正則表達式有一些內置的通用字符簇，列表如下：

字符簇	描述
[[:alpha:]]	任何字母
[[:digit:]]	任何數字
[[:alnum:]]	任何字母和數字
[[:space:]]	任何空白字符
[[:upper:]]	任何大寫字母
[[:lower:]]	任何小寫字母
[[:punct:]]	任何標點符號
[[:xdigit:]]	任何16進製的數字，相當於[0-9a-fA-F]

確定重複出現

到現在為止，你已經知道如何去匹配一個字母或數字，但更多的情況下，可能要匹配一個單詞或一組數字。一個單詞有若幹個字母組成，一組數字有若幹個單數組成。跟在字符或字符簇後麵的花括號({})用來確定前麵的內容的重複出現的次數。

字符簇	描述
^[a-zA-Z_]$	所有的字母和下劃線
^[[:alpha:]]{3}$	所有的3個字母的單詞
^a$	字母a
^a{4}$	aaaa
^a{2,4}$	aa,aaa或aaaa
^a{1,3}$	a,aa或aaa
^a{2,}$	包含多於兩個a的字符串
^a{2,}	如：aardvark和aaab，但apple不行
a{2,}	如：baad和aaa，但Nantucket不行
\t{2}	兩個製表符
.{2}	所有的兩個字符

這些例子描述了花括號的三種不同的用法。一個數字 {x} 的意思是前麵的字符或字符簇隻出現x次 ；一個數字加逗號 {x,} 的意思是前麵的內容出現x或更多的次數 ；兩個數字用逗號分隔的數字 {x,y} 表示 前麵的內容至少出現x次，但不超過y次。我們可以把模式擴展到更多的單詞或數字：

^[a-zA-Z0-9_]{1,}$      // 所有包含一個以上的字母、數字或下劃線的字符串 
^[1-9][0-9]{0,}$        // 所有的正整數 
^\-{0,1}[0-9]{1,}$      // 所有的整數 
^[-]?[0-9]+\.?[0-9]+$   // 所有的浮點數

最後一個例子不太好理解，是嗎？這麼看吧：以一個可選的負號 ([-]?) 開頭 (^)、跟著1個或更多的數字([0-9]+)、和一個小數點(\.)再跟上1個或多個數字([0-9]+)，並且後麵沒有其他任何東西($)。下麵你將知道能夠使用的更為簡單的方法。

特殊字符 ? 與 {0,1} 是相等的，它們都代表著： 0個或1個前麵的內容 或 前麵的內容是可選的 。所以剛才的例子可以簡化為：

^\-?[0-9]{1,}\.?[0-9]{1,}$

特殊字符 * 與 {0,} 是相等的，它們都代表著 0 個或多個前麵的內容 。最後，字符 + 與 {1,} 是相等的，表示 1 個或多個前麵的內容 ，所以上麵的4個例子可以寫成：

^[a-zA-Z0-9_]+$      // 所有包含一個以上的字母、數字或下劃線的字符串 
^[1-9][0-9]*$        // 所有的正整數 
^\-?[0-9]+$          // 所有的整數 
^[-]?[0-9]+(\.[0-9]+)?$ // 所有的浮點數

當然這並不能從技術上降低正則表達式的複雜性，但可以使它們更容易閱讀。