PHP正则式PCRE

2018-06-22 05:35:18来源:未知 阅读 ()

新老客户大回馈,云服务器低至5折

PHP正则式PCRE的总结差不多就下边这些了。参考 PCRE与perl的差异 

 

锚(^、$、\A、\Z/\z)

 ^、$ 在多行模式(PCRE_MULTILINE)下构造非紧固模式,在单行模式(美元符号可匹配字符串尾部的一个换行符)下可构造紧固模式;而\A、\Z / \z只用于构造紧固模式(\G表示在目标中首次匹配位置,还可以与$offset参数一起使用)。

 

断言

一个断言指定一个必须在特定位置匹配的条件,不会导致当前的匹配点发生改变,不会从目标字符串中消耗任何字符,因此也不会出现在结果中。一个断言子组以前瞻断言“(?=)”或“(?!)”、后瞻断言“(?<=)”或“(?<!)”形式出现:

(1)\b指单词边界(\b在字符类中表示退格backspace字符),\B指非单词边界。
(2)当字符串结束字符为换行符时,\Z 会将其看做字符串结尾匹配, 而 \z 只匹配字符串结尾。
(3)前瞻断言(?!foo)bar会查找到任意的barxxxxx而非foo跟随bar的情况。
(4)后瞻断言的内容被严格限制为只能用于匹配定长字符串,比如 (?<=bullock|donkey) 是允许的,但是 (?<!dogs?|cats?)、 (?<=ab(c|de)) 将会引发一个编译期的错误。
(5)多个断言(任意顺序)可以同时出现,如 (?<=\d{3})(?<!999)foo 匹配前面有三个数字但不是 ”999” 的字符串 ”foo”。
(6)断言可以以任意复杂度嵌套,比如 (?<=(?<!foo)bar)baz 匹配前面有 ”bar” 但是 ”bar” 前面没有 ”foo” 的 ”baz”, 另外(?<=\d{3}…(?<!999))foo 匹配前面有三个数字字符紧跟 3 个不是 999 的任意字符的 ”foo”。
(7)如果所有的断言都包含一个捕获子组,那么为了在整个模式中捕获子组计数的目的,它们都会被计算在内;然而子字符串的捕获仅可以用于正面断言,因为对于消极的断言是没有意义的。

  

内部选项(?)

如果一个选项在子组内部设置,仅仅改变子组中剩余的部分,因此 (a(?i)b)c 仅仅匹配 ”abc” 和 ”aBc” (假设没有使用 PCRE_CASELESS 选项);但在同一个子模式中, 一个分支的内部选项设置会穿透到后面的其他分支中去,比如 (a(?i)b|c) 匹配”ab”或“aB”或“c”或”C”(选项是在编译期确定下来的,在匹配 ”C” 时第一个分支已被丢弃)。

 

模式修饰符

主要有i(PCRE_CASELESS)、m(PCRE_MULTILINE)、s(PCRE_DOTALL)、x(PCRE_EXTENDED)、A(PCRE_ANCHORED)、D(PCRE_DOLLAR_ENDONLY)、U(PCRE_UNGREEDY)等。模式修饰符中的空格、换行符会被忽略,其他字符会导致错误。

 

子组/子模式与分支(|)

子组通过圆括号(其作用是局部化和捕获子组,而“(?:)”不捕获子组,“(?|)”使可多个分支复用一个后向引用编号)来分隔界定,并且它们可以嵌套:

(1)cat(arcat|erpillar|)匹配 ”cat”, “cataract”, “caterpillar” 中的一个。
(2)一次性子组(非捕获子组)和后瞻断言结合使用来指定在目标字符串末尾的有效匹配,比如^(?>.*)(?<=abcd)相对于^.*abcd$更为高效。
(3)条件子组(非捕获子组)型如(?(condition)yes-pattern)、(?(condition)yes-pattern|no-pattern),condition是数字(后向引用某个捕捉子组)或字串或断言。(\()?[^()]+(?(1)\))匹配一个没有括号的或者闭合括号包裹的字符序列。
(4)命名子组(捕获子组)形如 (?P<name>pattern)、(?<name>pattern)、(?’name’pattern),可通过(?P>name)、(?P&name)形式在模式中再次引用命名子组,但这种引用不可捕获。

 

重复/量词

 

* 等价于 {0,}
+ 等价于 {1,}
? 等价于 {0,1}

默认情况下,量词都是”贪婪”的,也就是说, 它们会在不导致模式匹配失败的前提下,尽可能多的匹配字符(直到最大允许的匹配次数),如对C代码“/* first comment*/ not comment /*second comment*/”匹配注释使用下列模式会匹配到整个字符串;

/\*.*\*/

然而,如果一个量词紧跟着一个 ?(?起到模式反转的作用,也就是说如果设置了 PCRE_UNGREEDY,模式将反转为贪婪;而如果量词紧跟着一个+,表示任何情况下都使用贪婪模式,因此 .*?abc 匹配 ”aabc”, 但是 .*+abc 不匹配) 标记,它就会成为懒惰(非贪婪)模式, 只做尽可能少的匹配。 因此上述模式应该改成这样:

/\*.*?\*/ 

补充一下,在贪婪或懒惰模式下,都是在保证成功的条件下来控制匹配的重复次数最多或最少:

//$match = Array ( [0] => 214sfsbbb )
$patt = '/^\w*b$/';
preg_match($patt,'214sfsbbb',$match);

//$match = Array ( [0] => 214sfsbbb )
$patt = '/^\w*?b$/';
preg_match($patt,'214sfsbbb',$match);

//$match = Array ( [0] => 214sfsbbb )
$patt = '/^\w*b/';
preg_match($patt,'214sfsbbb',$match);

//$match = Array ( [0] => 214sfsb )
$patt = '/^\w*?b/';
preg_match($patt,'214sfsbbb',$match);

 

 

字符类与转义字符

字符类\d、\D、 \s(任意空白字符,包括\r、\n、\t)、\S(任意非空白字符)、\w(任意单词字符,包括字母、数字和_) 和 \W 也可以出现在一个字符类中, 用以将其匹配的字符类加入到新的自定义字符类中。比如, [\dABCDEF] 匹配任意合法的 16 进制数, [^\W_] 匹配任何字母或数字但不匹配下划线。\Q 和 \E 可忽略正则表达式元字符,

\w+\Q.$.\E$ 

该模式会匹配一个或多个单词字符,紧接着一个点号,一个$,一个点号, 最后锚向字符串末尾;\K 可以用于重置匹配,比如 foot\Kbar 匹配”footbar”,但是得到的匹配结果是 ”bar”。

 

注释

模式中形如“(?# comments)”的部分表示注释内容。如果设置了 PCRE_EXTENDED 选项, 一个字符类外部的未转义的 # 字符就代表本行剩余部分为注释。

 

递归模式(?R) 

(?R) 提供了递归的这种特殊用法,如

\(((?>[^()]+)|(?R))*\)

该模式可匹配字串(ab(cd)ef)。

 

分隔符

分隔符可以使任意非字母数字、非反斜线、非空白字符,如正斜线(/)、hash符号(#)、取反符号(~)等。

 

后向引用

(?1)、(?2)、(?P>name)、(?P&name)、(?P=name)、\1、\k<name>、\k’name’、\k{name}、\g{name}等形式可以用于引用之前定义的子组。需注意,\n复用匹配结果,而(?n)、(?P>name)、(?P&name)复用模式。(a|(bc))\2 总是在匹配 ”a” 开头而不是 ”bc” 开头的字符串时失败,故可以换成(a|(bc))(?2)。对后向引用后有数字可以空格分隔并使用x修饰符,或使用\g{n}这种格式(序列\1, \g1,\g{1}之间是同义关系),(foo)(bar)\g{-1} 可以匹配字符串 ”foobarbar”。子组内部后向引用自己(a\1)会失败,但(a|b\1)*遇到aba会成功;也就是模式在第一次迭代的时候,必须能够保证不需要匹配后向引用。

 

PCRE不允许前瞻断言的量词修饰

(?!a){3}并不意味着接下来 3 个字符不是 a,而是断言下一个字符不是 a 并进行了 3 次断言。

//verify email address
//$match: Array ( [0] => w12aqe_@124afasf.com [1] => 124afasf. )
$patt = '/^(?!_|-)(?>[\w-]+)@(?!-)(?>((?>[a-zA-Z0-9-]+)\.)+)[a-zA-Z]{2,46}$/';
preg_match($patt,'w12aqe_@124afasf.com',$match);

//$match: Array ( [0] => Sunday [day] => Sunday [1] => Sunday )
$patt = '/(?<day>:(?i)saturday|sunday)/';
preg_match($patt,'Sunday',$match);

//$match: Array ( [0] => Sunday [1] => Sun )
$patt = '/(?|(Sat)ur|(Sun))day/';
preg_match($patt,'Sunday',$match);

//子组发生重复多次匹配时,捕获的是最新一次的值
//$match: Array ( [0] => (ab(cd)ef) [1] => ab(cd)ef [2] => ef )
$patt = '/\( ( ( (?>[^()]+) | (?R) )* ) \)/x';
preg_match($patt,'(ab(cd)ef)',$match);

//命名子组可通过名称或序号来再次引用
//$match: Array ( [0] => 23ab45cd56 [number] => 23 [1] => 23 )
$patt = '/^(?P<number>\d+)ab(?P>number)cd(?1)$/';
preg_match($patt,'23ab45cd56',$match);

//下列模式相当于^.*abcd$
//$match: Array ( [0] => 23abcd )
$patt = '/^(?>.*)(?<=abcd)/';
preg_match($patt,'23abcd',$match);

//下列模式用于XML去空及压缩
$package = '<?xml version="1.0" encoding="UTF-8"?>
<PARAM>
    <DBID>35</DBID>
    <SEQUENCE>atgtca</SEQUENCE>
    <MAXNS>10</MAXNS>
    <MINIDENTITIES>90</MINIDENTITIES>
    <MAXEVALUE>10</MAXEVALUE>
    <USERNAME>ad m
    in</USERNAME>
    <PASSWORD>111111</PASSWORD>
    <TYPE>P</TYPE>
    <RETURN_TYPE></RETURN_TYPE>
</PARAM>';
        
// 去除空元素
$package = preg_replace('/<(\w+)>\s*<\/\1>/i', '', $package);
// XML压缩
// $package = preg_replace('/(<\/?\w+>)\s+((?1))/i', '$1$2', $package);
$package = preg_replace('/(?<=>)\s+(?=<\/?\w+>)/i', '', $package);

 

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:Apache+php在windows下的安装和配置

下一篇:centos7重启apache、nginx、mysql、php-fpm命令