掌握 PHP 中的正则表达式，第 2 部分: 如何在 PHP 中处理文本
本文是 “掌握 PHP 中的正则表达式” 系列的第 2 部分，通过本文您将了解如何用一些高级正则表达式 (regex) 操作符来解决各种复杂的文本处理问题。虽然术语数据 和信息 可以互换使用，但是两者之间有很大的差别。数据是有据可依的。温度列表、近期销售状况说明或者库存零部件清单，这些都是数据。信息含有一定见解。天气预报、损益表和销售趋势属于信息。数据是由若干个 1 和 0 表示，而信息则经由人脑分析得出。数据和信息之间是软件应用程序：引擎将把数据和信息来回转换。例如，如果在线购买图书，购书应用程序将把信息 —— 书名、身份信息、银行帐号信息 —— 转换为数据，例如订单号、售价、信用卡交易详细信息和对存货清单的调整。类似地，购书应用程序将把数据再转换为仓库提货请求、运输标签和跟踪编号等完成销售所需的信息。当然，创建应用程序的复杂度与其影响的转换直接成正比。Web 站点留言本十分简单，它把姓名和地址转换为数据库中的字段。同时，在线商店十分复杂，它将把各类信息转换为业务数据模型并把数据转换为信息来推动决策。编程的艺术在于对数据和信息的熟练处理 —— 类似于在明暗处理中捕捉亮色的技能。如 第 1 部分 中所述，regex 是处理数据的最强大工具之一。使用简明的简写方式，regex 说明了数据的格式并分解数据。例如，您可以使用下面的 regex 处理所有摄氏或华氏温度：/^([+-]?[0-9]+)([CF])$/。regex 将匹配行的开头（由脱字符号 ^ 表示），后接一个正号，一个负号，或者两者都不是 ([+-]?)，后接一个整数 ([0-9]+)，数值范围限定符 —— 摄氏或华氏 ([CF]) —— 并在行尾（用美元符号 $ 表示）终止。在温度 regex 中，行开头和行结尾操作符是两个零宽度断言 示例，或者匹配位置而非文字。括号也不是文字。相反，嵌入到括号内的模式将捕捉匹配模式的文本。因此，如果文本匹配了整个模式，第一组括号将生成表示一个正整数或负整数的的字符串，例如 +49。第二组括号将生成字母 C 或 F。 第 1 部分介绍了 regex 的概念和可用于比较文本与模式和提取匹配的 PHP 函数。现在我将更深入地研究 regex 并查看一些高级操作符和处理方法。（再次）使用括号在大多数情况下，使用一组括号可以定义子模式和捕捉匹配子模式的文本。但是，括号不需要捕捉子模式。正如在复杂的数学公式中，您可以简单地使用括号来给术语分组。下面是一个示例。您能否说出它匹配哪类数据？/[-a-z0-9]+(?:/.[-a-z0-9]+)*/.(?:com|edu|info)/i
您可能已经预料到此 regex 将匹配主机名（虽然只在 .com、.edu 和 .info 这几个域中）。差别是添加了 ?:。子模式限定符 ?: 将禁用捕捉，留下括号来阐明操作的优先次序。例如，在这里，短句 (?:/.[-a-z0-9]+)* 将匹配零个或多个字符串实例（例如 “.ibm”）。类似地，短句 /.(?:com|edu|info) 表示句点，后接字符串 com、edu 或 info 中的任意一个。禁用捕捉可能看似毫无意义，直至您意识到捕捉需要额外的处理。如果代码将处理大量数据，则忽略捕捉可能是有意义的。此外，如果 regex 特别复杂，禁用某些子模式中的捕捉可以更轻松地提取真正感兴趣的子模式。注：使用 regex 末尾的 i 修饰语可以使模式内的所有匹配都不区分大小写。因此，子集 a-z 将匹配所有字母，而不区分大小写。PHP 将提供其他子模式修饰词。使用第 1 部分中提供的 regex 测试 jig（如 清单 1 所示），将针对候选字符串 “EDU”、“edu” 和 “Edu” 匹配 regex ((?i)edu)。如果子模式以修饰词 (?i) 为开头，则在子模式中进行匹配不区分大小写。只要子模式结束，区分大小写将被重新启用（将此修饰词与上面的 /.../i 修饰词相比较，后者应用于整个模式）。清单 1. 简单的 regex 测试实用程序
// divide the comma-separated list into individual words
the third parameter, -1, permits a limitless number of matches
the fourth parameter, PREG_SPLIT_NO_EMPTY, ignores empty matches
$words = preg_split( '/,/',
$_REQUEST[ 'words' ], -1, PREG_SPLIT_NO_EMPTY );
// remove the leading and trailing spaces from each element
foreach ( $words as $key =& $value ) {
$words[ $key ] = trim( $value );
// find the words that match the regular expression
$matches = preg_grep( "/${_REQUEST[ 'regex' ]}/", $words );
print_r( $_REQUEST['regex' ] );
echo( '&br /&&br /&' );
print_r( $words );
echo( '&br /&&br /&' );
print_r( $matches );
另一个有用的子模式修饰词是 (?x)。它允许您在子模式中嵌入空白，使 regex 更易读。因而，子模式 ((?x) edu | com | info)（请注意备用操作符之间的空格，这些空格是为了易读性而添加的）与 (edu|com|info) 相同。您可以使用全局修饰词 /.../x 在整个 regex 中嵌入空白和注释，如下所示：清单 2. 嵌入空白和注释
$matches = preg_grep(
[- a-z 0-9]+
# machine name
(?: /. [- a-z 0-9]+)*
# subdomains
/. (?: com | edu | info)# domain
/xi", $words );
正如您所见，还可以根据需要组合修饰词。另外，如果需要在使用 (?x) 时匹配空格，那么，使用元字符 /s 来匹配所有空格字符或使用 / （反斜杠后接空格）来匹配单个空格，如 ((?x) hello / there)。回页首其他应用regex 的大量应用都是验证或分解存储为存储库中的数据或由应用程序立即执行的各个小块的输入。处理表单中的字段、解析 XML 代码以及解释协议都是典型应用。regex 的另一个应用是格式化、规范化或提高数据的可读性。格式化不是使用 regex 查找和提取文本，而是使用 regex 查找并在正确位置插入文本。下面是一个有用的格式化应用程序。假定 Web 表单把按照美元计算的薪金提交给应用程序。由于把薪金存储为整数，因此应用程序必须先去掉所粘贴数据中的标点符号，然后再保存。但是，在从存储库中检索出数据时，则需要使用逗号重新设定数据的格式使其具有可读性。下面显示了一个用于把美元金额转换为数字的简单 PHP 调用。清单 3. 把美元金额转换为数字
$salary = preg_replace( "/[/$/s,]/", '', $_REQUEST[ 'salary' ] );
if ( is_numeric( $salary ) ) {
// persist the data
调用 preg_replace() 函数将用空字符串替换美元符号、所有空格和每个逗号，生成认为是整数的内容。如果调用 is_numeric() 对输入进行了验证，则可以存储数据。接下来，让我们反向操作输出带有货币符号和用于分隔百、千、百万的逗号的数字。您可以编写代码来查找这些数字单元，也可以使用向前查找 和向后查找 在正确位置上插入逗号。子模式修饰词 ?&= 指示从当前位置开始向后查找（即向左查找）。修饰词 ?= 表示从当前位置开始向前查找（向右查找）。那么，正确位置在哪里？字符串中左侧至少有一位数并且右侧有一组或多组三位数的任意位置，不包括小数点和美分数。给定该规则和两个查找修饰词（两者都是零宽度断言），这条语句将可成功执行：$pretty_print = preg_replace( "/(?&=/d)(?=/d/d/d)+$)/", ',', $salary );
后面的 regex 如何工作？从字符串的开头开始并继续通过每个位置，regex 将断言 “左侧是否至少有一位数并且右侧是否有一组或多组三位数”？如果是这样，逗号将 “替换” 零宽度断言。使用类似于上面的策略可以轻松地免除许多复杂匹配。例如，下面是另一种可以轻松解决一般困难的向前查找。清单 4. 向前查找示例
$tab_data = preg_replace( '/
# look for a comma
# then look ahead for
(?:[^"]*$)
# a string with no quotes and eol
(?:[^"]*"[^"]*"[^"]*)*$
# a string with balanced quotes
/x', "/t", $csv_data );
这条 preg_replace() 指令将把一行用逗号分隔的数据转换为一行用制表符分隔的数据。它很聪明，不会替换在引号括起的字符串中找到的逗号。regex 将在所有出现逗号（这是位于 regex 开头的逗号）的位置做出断言：“前面是不是没有引号或者前面的引号个数是否为偶数”？如果断言为真，则可以用制表符 (/t) 替换逗号。如果不希望使用查找操作符，或者使用的是不提供查找操作符的语言，则可以使用传统 regex 把逗号嵌入到数字中，尽管这样做要求完成多次迭代。下面是一种可能的解决方案。清单 5. 嵌入逗号
$pretty_print = preg_replace( "/[/$/s,]/", '', $_REQUEST[ 'salary' ] );
$old = $pretty_
$pretty_print = preg_replace( "/(/d)(/d/d/d/b)/", "$1,$2", $pretty_print );
} while ( $old != $pretty_print );
让我们仔细研究一下代码。首先，移除 salary 参数的标点来模拟从数据库中读取整数。接下来，循环将重复执行，查找这样一个位置：一位数 ((/d) 后接三位数 ((/d/d/d/) 并在 /b 所指定的词界（word boundary）立即终止的位置。词界 是另一个零宽度断言并被定义为：如果第一个字符为单词字符，则在字符串中的第一个字符之前。
如果最后一个字符为单词字符，则在字符串中的最后一个字符之后。
在单词字符和非单词字符之间，紧跟在单词字符之后。
在非单词字符和单词字符之间，紧跟在非单词字符之后。 因而，空格、句点和逗号都是有效的词界。由于是外部循环，因此 regex 实质上将从右向左前进查找后接三位数和词界的一位数。如果找到匹配，则在两个子模式之间插入一个逗号。只要 preg_replace() 找到匹配，循环就必须继续，这解释了 $old != $pretty_print 条件。回页首贪婪和懒惰Regex 十分强大。甚至有时候过于强大。例如，考虑当 regex ".*" 被应用到字符串 “The author of 'Wicked' also wrote 'Mirror, Mirror.'” 上时发生的情况。虽然预期 preg_match() 可能返回两个匹配，但是您可能会惊讶地发现只有一个结果：'Wicked' also wrote 'Mirror, Mirror.' 原因是什么？除非进行指定，否则诸如 *（无或多个）和 +（一个或多个）之类的操作符都很贪婪。如果模式可以继续匹配，那么它可能将生成最多的结果。要使匹配最少，则必须强制使某些操作符变得懒惰。懒惰操作将查找最短的匹配，然后就停止。要使操作符变得懒惰，请添加问号后缀。清单 6 显示了一个示例。清单 6. 添加问号后缀
$text = 'The author of "Wicked" also wrote "Mirror, Mirror."';
if ( preg_match_all( '/".*?"/', $text, $matches ) ) {
print_r( $matches[0] );
上面的代码片段将生成：Array ( [0] =& "Wicked" [1] =& "Mirror, Mirror." )
regex ".*?" 变为匹配一个引号，后接刚好足够的 字符，后接一个引号。但是，使用 * 操作符有时可能太懒惰。例如，采用以下代码片段。它将生成什么输出？清单 7. 简单的 regex 测试实用程序
if (preg_match( "/([0-9]*)/", "-123", $matches
print_r( $matches );
猜测输出是什么？“123”？“1”？没有输出？实际上，输出是 Array ( [0] =& [1] =& )，表示找到一个匹配，但是未捕捉到任何内容。为什么？回想一下操作符 * 可以匹配零次或多次。在这里，表达式 [0-9]* 针对字符串开头匹配零次，随后停止处理。要解决此问题，请添加零宽度断言来锚定匹配，这将强制 regex 引擎继续进行匹配；/([0-9]*/b/ 就可解决问题。回页首更多提示和技巧regex 可以解决简单或复杂的文本处理问题。首先掌握一些操作符，随着经验逐渐丰富，您可以进一步扩展词汇表。要立即开始使用，请参考下面这些提示和技巧。用字符类实现可移植的 regex您已经看到过匹配所有空格字符的元字符，例如 /s。此外，许多 regex 实现都支持更易于跨多种编写语言使用和移植的预定义字符类。例如，字符类 [:punct:] 表示当前语言环境中的所有标点字符。您可以使用 [:digit:] 代替 [0-9]，并且 [:alpha:] 是比 [-a-zA-Z0-9_] 更具有可移植性的替代者。例如，您可以使用以下语句移除字符串中的所有标点符号：$clean = preg_replace( "/[[:punct:]]/", '', $string );
使用字符类比清楚说明所有标点符号更简洁。要获得字符类的完整列表，请参阅适用于您的 PHP 版本的文档。排除不需要查找的内容与将逗号分隔的值 (CSV) 转换为用制表符分隔的数据一样，列出不 需要匹配的内容有时更容易也更精确。以脱字符号 (^) 为开头的集合将匹配集合中不包括的所有字符。例如，您可以使用正则表达式 /[2-9][0-9]{2}[2-9][0-9]{2}[0-9]{4}/ 来验证美国电话号码。使用排除集合，可以把 regex 编写为更显式的 /[^01][0-9]{2}[^01][0-9]{2}[0-9]{4}/。两个 regex 都可以正常运行，但是显然后者意图更加明显。跳过换行符如果输入跨度多行，则使用典型的 regex 是不够的，因为扫描将在 $ 所指示的换行符处终止。但是，如果使用 s 或 m 修饰词，regex 引擎将按照不同的方式处理输入。前者将把字符串处理为单行，强制用点匹配换行符（它通常不这样做）。后者将把字符串处理为多行，其中 ^ 和 $ 将分别匹配每行的开头和结尾。下面是一个示例：如果设置 $string = "Hello,/nthere";，则语句 preg_match( "/.*/s", $string, $matches) 将把 $matches[0] 设为 Hello,/nthere（删除 s 将生成 Hello）。
更多相关文章
一般情况下我们都使用一维数组,例如: $data['regions'] = $this-&index_model-&get_region(); 然后在view中直接使用$regions进行数据调用. 但是如果我想生成一个多维数组呢,例如: $data[1]['streets'] = $t ...
Python中re(正则表达式)模块学习 今天学习了Python中有关正则表达式的知识.关于正则表达式的语法,不作过多解释,网上有许多学习的资料.这里主要介绍Python中常用的正则表达式处理函数. re.match re.match 尝试从字符串的开始匹配一个模式,如:下面的例子匹配第一个单词.
正则表达式又叫正规表示法,是一种表达文本模式的方法.通常是使用单个字符串来描述,匹配一系列符合某个规则的字符串.正则表达式是对字符串进行操作并且返回结果的一种工作方式,很多程序设计语言都对其进行了设计,而在JavaScript中对正则表达式的实现是基于perl的语法规则进行构建的.记得教 ...
简单的说,正则表达式是一种可以用于模式匹配和替换的强有力的工具.我们可 以在几乎所有的基于UNIX系统的工具中找到正则表达式的身影,例如,vi编辑器,Perl或 PHP脚本语言,以及awk或sed
shell程序等.此外,象JavaScript这种客户端的脚本语言也提供了对正则表达式的
正则表达式是一个查询的字符串,它包含一般的字符和一些特殊的字符,特殊字符可以扩展查找字符串的能力,正则表达式在查找和替换字符串的作用不可忽视,它能很好提高工作效率. EditPlus的查找,替换,文件中查找支持以下的正则表达式: Expression Description /t Tab chara ...
.net中的正则表达式使用高级技巧 前言 一.本系列文章不讲述基本的正则语法,这些可以在微软的 JS 帮助文档中找到,也可以 Google 一下 二.写系列文章的原因 1 .正则很有用,而且经常要用 2 .正则的一些高级用法有相当一部分人还没有理解和掌握 3 .刚好又在网上看到了一篇文章错误的使用了 ...
我自己修复此问题 更改 DisabledComponents 注册表值 您可以通过将DisabledComponents注册表值的主机上禁用 IPv6.DisabledComponents注册表值会影响主机上的所有网络接口.
重要此部分. 方法或任务包含一些介绍如何修改注册表的步骤.但是,如 ...
如何在eclipse中开发web service (by quqi99)
如何在 eclipse 中开发 web service 1.
新建一个 WTP 动态 WEB 工程. 2.
在工程中新建一个类 , 如下: ...
如何在Linux中设置磁盘限额关键词: 如何在Linux中设置磁盘限额
目 的: 限制你的服务器上的指定用户(FTP用户,Samba pcguest帐号,Appletalk 用户等)可以拥有的磁盘空间或文件个数.在默 ...
数据:描述客观事物的符号.(可能相当于java中的Object类) 数据元素:组成数据的有一定意义的基本单位.(可能相当于java中的一个类对象) 数据项:组成数据元素.(可能相当于java中的成员属性或方法) 数据 ...
昨天公司的服务器升级硬件,只升级了CPU和 内存,然后重启过后,线上运行的东西就运行不了,查了一下,所有端口和服务有没有开放,防火墙那些,结果发现端口和服务,防火墙允许的端口都开了 还是运行不了,带到晚上10点,突然 ...
半导体二极管开关特性
1 二极管的特性可以近似的用3.2.1的PN结方程和 ...
该软件可以实现窗口的透明度切换.下载:/software/peekthrough/releases/PeekThrough_1.1.0.0.zip
已经很长一段时间了,不断收到邮件,有应届生.技术人员.运营人员等等,说因为种种原因(排名第 ...
服务器终端服务器超出最大允许连接数时,以前考虑用冷启动服务器,但这样必须跑一趟机房,最近发现最好的办法就是在&运行&命令行里输入:mstsc /console /v:你的服务器IP:远程端口,测试 ...
对于Pinterest或是Netflix的用户,他们很难以想象亚马逊AWS业务的规模.要知 ...
一.各种SCN简介: 如图,控制文件中有系统SCN号,针对每个数据文件还有文件SCN号.结 ...
1．为button控件添加确认功能 要想为服务器控件添加客户端的事件,需要用到Attributes属性.Attributes属性是所有的服务器控件都有的一个属性,它用来为最终生成的HTML添加自定义的一些标记.假设W ...
&!DOCTYPE html PUBLIC &-//W3C//DTD XHTML 1.0 Transitional//EN& &http://www.w3.org/TR/xhtml ...js正则解析URL参数示例代码
字体：[ ] 类型：转载 时间：
URL参数使用js正则解析具体实现代码如下，有需求的朋友可以参考下，希望对大家有所帮组
代码如下: var url = "http://127.0.0.1/e/action/ShowInfo.php?classid=9&id=2";//定义变量 function parse_url(_url){ //定义函数 var pattern = /(\w+)=(\w+)///定义正则表达式 var parames = {};//定义数组 url.replace(pattern, function(a, b, c){parames[b] =}); /*这是最关键的.当replace匹配到classid=9时.那么就用执行function(a,b,c);其中a的值为:classid=9,b的值为classid,c的值为9;(这是反向引用.因为在定义 正则表达式的时候有两个子匹配.)然后将数组的key为classid的值赋为9;然后完成.再继续匹配到id=2;此时执行function(a,b,c);其中a的值为:id=2,b的值为id,c的值为2;然后将数组的key为id的值赋为2.*/ //返回这个数组. } var parames = parse_url(url); alert(parames['classid'] + ", " + parames['id']);//最后打印.根据key值来打印数组对应的值
您可能感兴趣的文章:
大家感兴趣的内容
12345678910
最近更新的内容
常用在线小工具兄弟连2月最新招生笔试题_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
兄弟连2月最新招生笔试题
上传于||暂无简介
阅读已结束，如果下载本文需要使用0下载券
想免费下载更多文档？
下载文档到电脑，查找使用更方便
还剩13页未读，继续阅读
你可能喜欢提取URL的正则表达式 - 为程序员服务
提取URL的正则表达式
上次这篇文章，提到了提取字符串里的URL的方法，但是最近测试的时候，发现了问题，比如如下的URL：
/more_(than)_one_(parens) 它就匹配不了了。
然后今晚搜索了一下，找到了这篇文章，
但是它好像有点儿问题，显示是错误的，我用的是最后的一条正则，
我在node.js里使用的时候出现了问题，然后换成：
\b((?:https?://|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}/)(?:[^\s()]+|
[^\s() )+(?:
[^\s() |[^\s`!()\[\]{};:'".,???“”‘’]))
这样就没问题了。
不过，由于这是纯的正则，在代码里使用还需要更改，下面是node.js写的，javascript，Java这些代码都可以直接用的：
var re2 = "\\b((?:https?://|www\\d{0,3}[.]|[a-z0-9.\\-]+[.][a-z]{2,4}/)(?:[^\\s()]+|\
[^\\s() )+(?:\
[^\\s() |[^\\s`!()\{};:'\".,
知识只有分享才能延续生命
原文地址：, 感谢原作者分享。
您可能感兴趣的代码