正則表達式系統教程(七)

7. 正則表達式匹配規則

  7.1 基本模式匹配

  一切從最基本的開始。模式,是正規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,也可以非常復雜,往往用特殊的字符表示一個范圍內的字符、重復出現,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)是字面的字符,也就是說,他們表示該字母本身,數字也是一樣的。其他一些稍微復雜的字符,如標點符號和白字符(空格、制表符等),要用到轉義序列。所有的轉義序列都用反斜杠()打頭。制表符的轉義序列是: 。所以如果我們要檢測一個字符串是否以制表符開頭,可以用這個模式:

  ^

  類似的,用
表示“新行”,表示回車。其他的特殊符號,可以用在前面加上反斜杠,如反斜杠本身用\表示,句號.用.表示,以此類推。

  7.2 字符簇

  在INTERNET的程序中,正規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,用普通的基於字面的字符是不夠的。

  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裡:

  [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范圍,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
] //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個字母的范圍,但在這裡它隻能與第一個字符是小寫字母的字符串匹配。

  前面曾經提到^表示字符串的開頭,但它還有另外一個含義。當在一組方括號裡使用^是,它表示“非”或“排除”的意思,常常用來剔除某個字符。還用前面的例子,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。下面是幾個排除特定字符的例子:

  [^a-z] //除瞭小寫字母以外的所有字符
  [^\/^] //除瞭()(/)(^)之外的所有字符
  [^”] //除瞭雙引號(“)和單引號()之外的所有字符

  特殊字符”.” (點,句號)在正規表達式中用來表示除瞭“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,除瞭空串和隻包括一個“新行”的字符串。

  PHP的正規表達式有一些內置的通用字符簇,列表如下:

  字符簇含義

  [[:alpha:]] 任何字母
  [[:digit:]] 任何數字
  [[:alnum:]] 任何字母和數字
  [[:space:]] 任何白字符
  [[: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進制的數字,相當於[0-9a-fA-F]

  7.3 確定重復出現

  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面的花括號({})用來確定前面的內容的重復出現的次數。

  字符簇 含義
  ^[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
   {2} 兩個制表符
  .{2} 所有的兩個字符

  這些例子描述瞭花括號的三種不同的用法。一個數字,{x}的意思是“前面的字符或字符簇隻出現x次”;一個數字加逗號,{x,}的意思是“前面的內容出現x或更多的次數”;兩個用逗號分隔的數字,{x,y}表示“前面的內容至少出現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
  ^[0-9]{1,}$ //所有的正數
  ^-{0,1}[0-9]{1,}$ //所有的整數
  ^-{0,1}[0-9]{0,}.{0,1}[0-9]{0,}$ //所有的小數

  最後一個例子不太好理解,是嗎?這麼看吧:與所有以一個可選的負號(-{0,1})開頭(^)、跟著0個或更多的數字([0-9]{0,})、和一個可選的小數點(.{0,1})再跟上0個或多個數字([0-9]{0,}),並且沒有其他任何東西($)。下面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個前面的內容”或“前面的內容是可選的”。所以剛才的例子可以簡化為:

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

  特殊字符”*”與{0,}是相等的,它們都代表著“0個或多個前面的內容”。最後,字符”+”與 {1,}是相等的,表示“1個或多個前面的內容”,所以上面的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
  ^[0-9]+$ //所有的正數
  ^-?[0-9]+$ //所有的整數
  ^-?[0-9]*.?[0-9]*$ //所有的小數

  當然這並不能從技術上降低正規表達式的復雜性,但可以使它們更容易閱讀

發佈留言