基本模式比對
一切從最基本的開始。模式,是正規表達式最基本的元素,它們是一組描述字元串特征的字元。模式可以很簡單,由普通的字元串組成,也可以非常複雜,往往用特殊的字元表示一個範圍内的字元、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元 ^,表示該模式隻比對那些以 once 開頭的字元串。例如該模式與字元串 "once upon a time" 比對,與 "There once was a man from NewYork" 不比對。正如如 ^ 符号表示開頭一樣,$ 符号用來比對那些以給定模式結尾的字元串。
bucket$
這個模式與 "Who kept all of this cash in a bucket" 比對,與 "buckets" 不比對。字元 ^ 和 $ 同時使用時,表示精确比對(字元串與模式一樣)。例如:
^bucket$
隻比對字元串 "bucket"。如果一個模式不包括 ^ 和 $,那麼它與任何包含該模式的字元串比對。例如模式:
once
與字元串
There once was a man from NewYork
Who kept all of his cash in a bucket.
是比對的。
在該模式中的字母 (o-n-c-e) 是字面的字元,也就是說,他們表示該字母本身,數字也是一樣的。其他一些稍微複雜的字元,如标點符号和白字元(空格、制表符等),要用到轉義序列。所有的轉義序列都用反斜杠 \ 打頭。制表符的轉義序列是 \t。是以如果我們要檢測一個字元串是否以制表符開頭,可以用這個模式:
^\t
類似的,用 \n 表示"新行",\r 表示回車。其他的特殊符号,可以用在前面加上反斜杠,如反斜杠本身用 \\ 表示,句号 . 用 \. 表示,以此類推。
字元簇
在 INTERNET 的程式中,正規表達式通常用來驗證使用者的輸入。當使用者送出一個 FORM 以後,要判斷輸入的電話号碼、位址、EMAIL 位址、信用卡号碼等是否有效,用普通的基于字面的字元是不夠的。
是以要用一種更自由的描述我們要的模式的辦法,它就是字元簇。要建立一個表示所有元音字元的字元簇,就把所有的元音字元放在一個方括号裡:
[AaEeIiOoUu]
這個模式與任何元音字元比對,但隻能表示一個字元。用連字号可以表示一個字元的範圍,如:
[a-z] // 比對所有的小寫字母
[A-Z] // 比對所有的大寫字母
[a-zA-Z] // 比對所有的字母
[0-9] // 比對所有的數字
[0-9\.\-] // 比對所有的數字,句号和減号
[ \f\r\t\n] // 比對所有的白字元
同樣的,這些也隻表示一個字元,這是一個非常重要的。如果要比對一個由一個小寫字母和一位數字組成的字元串,比如 "z2"、"t6" 或 "g7",但不是 "ab2"、"r2d3" 或 "b52" 的話,用這個模式:
^[a-z][0-9]$
盡管 [a-z] 代表 26 個字母的範圍,但在這裡它隻能與第一個字元是小寫字母的字元串比對。
前面曾經提到^表示字元串的開頭,但它還有另外一個含義。當在一組方括号裡使用 ^ 時,它表示"非"或"排除"的意思,常常用來剔除某個字元。還用前面的例子,我們要求第一個字元不能是數字:
^[^0-9][0-9]$
這個模式與 "&5"、"g7"及"-2" 是比對的,但與 "12"、"66" 是不比對的。下面是幾個排除特定字元的例子:
[^a-z] //除了小寫字母以外的所有字元
[^\\\/\^] //除了(\)(/)(^)之外的所有字元
[^\"\'] //除了雙引号(")和單引号(')之外的所有字元
特殊字元 .(點,句号)在正規表達式中用來表示除了"新行"之外的所有字元。是以模式 ^.5$ 與任何兩個字元的、以數字5結尾和以其他非"新行"字元開頭的字元串比對。模式 . 可以比對任何字元串,換行符(\n、\r)除外。
PHP的正規表達式有一些内置的通用字元簇,清單如下:
描述 | |
---|---|
[[:alpha:]] | 任何字母 |
[[:digit:]] | 任何數字 |
[[:alnum:]] | 任何字母和數字 |
[[:space:]] | 任何空白字元 |
[[:upper:]] | 任何大寫字母 |
[[:lower:]] | 任何小寫字母 |
[[:punct:]] | 任何标點符号 |
[[:xdigit:]] | 任何16進制的數字,相當于[0-9a-fA-F] |
确定重複出現
到現在為止,你已經知道如何去比對一個字母或數字,但更多的情況下,可能要比對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。跟在字元或字元簇後面的花括号({})用來确定前面的内容的重複出現的次數。
^[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,}$ | 包含多于兩個a的字元串 |
^a{2,} | 如:aardvark和aaab,但apple不行 |
a{2,} | 如:baad和aaa,但Nantucket不行 |
\t{2} | 兩個制表符 |
.{2} | 所有的兩個字元 |
這些例子描述了花括号的三種不同的用法。一個數字 {x} 的意思是前面的字元或字元簇隻出現x次 ;一個數字加逗号 {x,} 的意思是前面的内容出現x或更多的次數 ;兩個數字用逗号分隔的數字 {x,y} 表示 前面的内容至少出現x次,但不超過y次。我們可以把模式擴充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、數字或下劃線的字元串
^[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了解,是嗎?這麼看吧:以一個可選的負号 ([-]?) 開頭 (^)、跟着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]+),并且後面沒有其他任何東西($)。下面你将知道能夠使用的更為簡單的方法。
特殊字元 ? 與 {0,1} 是相等的,它們都代表着: 0個或1個前面的内容 或 前面的内容是可選的 。是以剛才的例子可以簡化為:
^\-?[0-9]{1,}\.?[0-9]{1,}$
特殊字元 * 與 {0,} 是相等的,它們都代表着 0 個或多個前面的内容 。最後,字元 + 與 {1,} 是相等的,表示 1 個或多個前面的内容 ,是以上面的4個例子可以寫成:
^[a-zA-Z0-9_]+$ // 所有包含一個以上的字母、數字或下劃線的字元串
^[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
當然這并不能從技術上降低正規表達式的複雜性,但可以使它們更容易閱讀。