6.2 正則表達式語法規則

視頻講解：光盤\TM\lx\6\02 正則表達式語法規則．mp4

一個完整的正則表達式由兩部分構成，元字符和文本字符。元字符就是具有特殊含義的字符，如前面提到的“*”和“?”。文本字符就是普通的文本，如字母和數字等。PCRE風格的正則表達式一般都放置在定界符“/”中間。如“/\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*/”“/^http:\/\/ (www\.)? .+.? $/”。為了便于讀者理解，除了個別實例外，本節中的表達式不給出定界符“/”。

6.2.1 行定位符（^和$）

行定位符就是用來描述字串的邊界?！癪”表示行的開始；“$”表示行的結尾。如：

        ^tm

該表達式表示要匹配字串tm的開始位置是行頭，如tm equal Tomorrow Moon就可以匹配，而Tomorrow Moon equal tm則不匹配。但如果使用

        tm$

則后者可以匹配而前者不能匹配。如果要匹配的字串可以出現在字符串的任意部分，那么可以直接寫成

        tm

這樣兩個字符串就都可以匹配了。

6.2.2 單詞分界符（\b、\B）

繼續上面的實例，使用tm可以匹配在字符串中出現的任何位置。那么類似html、utmost中的tm也會被查找出來。但現在需要匹配的是單詞tm，而不是單詞的一部分。這時可以使用單詞分界符“\b”，表示要查找的字串為一個完整的單詞。如：

        \btm\b

還有一個大寫的“\B”，意思和“\b”相反，它匹配的字串不能是一個完整的單詞，而是其他單詞或字串的一部分。如：

        \Btm\B

說明

關于反斜線的用法，請參考6.2.10節。

6.2.3 字符類（[ ]）

正則表達式是區分大小寫的，如果要忽略大小寫可使用方括號表達式“[]”。只要匹配的字符出現在方括號內，即可表示匹配成功。但要注意：一個方括號只能匹配一個字符。例如，要匹配的字串tm不區分大小寫，那么該表達式應該寫作如下格式：

        [Tt][Mm]

這樣，即可匹配字串tm的所有寫法。POSIX和PCRE都使用了一些預定義字符類，但表示方法略有不同。POSIX風格的預定義字符類如表6.1所示。

表6.1 POSIX預定義字符類

而PCRE的預定義字符類則使用反斜線來表示，請參考6.2.10節。

6.2.4 選擇字符（|）

還有一種方法可以實現上面的匹配模式，就是使用選擇字符（|）。該字符可以理解為“或”，如上例也可以寫成

        (T|t)(M|m)

該表達式的意思是以字母T或t開頭，后面接一個字母M或m。

說明

        TM|tm|Tm|tM

6.2.5 連字符（-）

變量的命名規則是只能以字母和下劃線開頭。但這樣一來，如果要使用正則表達式來匹配變量名的第一個字母，要寫為

        [a, b, c, d…A, B, C, D…]

這無疑是非常麻煩的，正則表達式提供了連字符“-”來解決這個問題。連字符可以表示字符的范圍。如上例可以寫成

        [a-zA-Z]

6.2.6 排除字符（[^]）

上面的例子是匹配符合命名規則的變量?，F在反過來，匹配不符合命名規則的變量，正則表達式提供了“^”字符。這個元字符在6.2.1節中出現過，表示行的開始。而這里將會放到方括號中，表示排除的意思。例如：

        [^a-zA-Z]

該表達式匹配的就是不以字母和下劃線開頭的變量名。

6.2.7 限定符（? ＊ + {n, m}）

經常使用Google的用戶可能會發現，在搜索結果頁的下方，Google中間字母o的個數會隨著搜索頁的改變而改變。那么要匹配該字串的正則表達式該如何實現呢？

對于這類重復出現字母或字串，可以使用限定符來實現匹配。限定符主要有6種，如表6.2所示。

表6.2 限定符的說明和舉例

可以發現，在表6.2中實際已經對字符串進行了匹配，只是還不完善。通過觀察發現，當Google搜索結果只有一頁時，不顯示Google標志，只有大于等于2時，才顯示Google。說明字母o最少為兩個，最多為20個，那么正則表達式為：

        go{2,20}gle

6.2.8 點號字符（.）

如遇到這樣的試題：寫出5～10個以s開頭、t結尾的單詞，這是有很大難度的。如果考題并不告知第一個字母，而是中間任意一個。無疑難度會更大。

在正則表達式中可以通過點號字符（.）來實現這樣的匹配。點號字符（.）可以匹配出換行符外的任意一個字符。注意：是除了換行符外的、任意的一個字符。如匹配以s開頭、t結尾、中間包含一個字母的單詞。格式如下：

        ^s.t$

匹配的單詞包括sat、set、sit等。再舉一個實例，匹配一個單詞，它的第一個字母為r，第3個字母為s，最后一個字母為t。能匹配該單詞的正則表達式為：

        ^r.s.＊t$

6.2.9 轉義字符（\）

正則表達式中的轉義字符（\）和PHP中的大同小異，都是將特殊字符（如“.”“? ”“\”等）變為普通的字符。舉一個IP地址的實例，用正則表達式匹配諸如127.0.0.1這樣格式的IP地址。如果直接使用點號字符，格式為：

        [0-9]{1,3}(.[0-9]{1,3}){3}

這顯然不對，因為“.”可以匹配任意一個字符。這時，不僅是127.0.0.1這樣的IP，連127101011這樣的字串也會被匹配出來。所以在使用“.”時，需要使用轉義字符（\）。修改后上面的正則表達式格式為：

        [0-9]{1,3}(\.[0-9]{1,3}){3}

說明

括號在正則表達式中也算是一個元字符，關于括號的作用請參考6.2.11節。

6.2.10 反斜線（\）

除了可以做轉義字符外，反斜線還有其他一些功能。

反斜線可以將一些不可打印的字符顯示出來，如表6.3所示。

表6.3 反斜線顯示的不可打印字符

還可以指定預定義字符集，如表6.4所示。

表6.4 反斜線指定的預定義字符集

反斜線還有一種功能，就是定義斷言，其中已經了解過了“\b”“\B”，其他如表6.5所示。

表6.5 反斜線定義斷言的限定符

6.2.11 括號字符（()）

通過6.2.4節的實例，相信讀者已經對小括號的作用有了一定的了解。這里，再通過幾個實例來鞏固一下對小括號字符的印象。

小括號字符的第一個作用就是可以改變限定符的作用范圍，如“|”“*”“^”等，來看下面的一個表達式。

        (thir|four)th

這個表達式的意思是匹配單詞thirth或fourth，如果不使用小括號，那么就變成了匹配單詞thir和fourth了。

小括號的第二個作用是分組，也就是子表達式。如“(\.[0-9]{1,3}){3}”，就是對分組“(\.[0-9]{1,3})”進行重復操作。后面要學到的反向引用和分組有著直接的關系。

6.2.12 反向引用

反向引用，就是依靠子表達式的“記憶”功能來匹配連續出現的字串或字母。如匹配連續兩個it，首先將單詞it作為分組，然后在后面加上“\1”即可。格式為：

        (it)\1

這就是反向引用最簡單的格式。如果要匹配的字串不固定，那么就將括號內的字串寫成一個正則表達式。如果使用了多個分組，那么可以用“\1”“\2”來表示每個分組（順序是從左到右）。如：

        ([a-z])([A-Z])\1\2

除了可以使用數字來表示分組外，還可以自己來指定分組名稱。語法格式如下：

        (? P<subname>…)

如果想要反向引用該分組，使用如下語法：

        (? P=subname)

下面來重寫一下表達式([a-z])([A-Z])\1\2。為這兩個分組分別命名，并反向引用它們。正則表達式如下：

        (? P<fir>[a-z])(? P<sec>[A-Z])(? P=fir)(? P=sec)

反向引用的知識還可以參考6.3.4節。

6.2.13 模式修飾符

模式修飾符的作用是設定模式，也就是規定正則表達式應該如何解釋和應用。不同的語言都有自己的模式設置，PHP中的主要模式如表6.6所示。

表6.6 模式修飾符

模式修飾符既可以寫在正則表達式的外面，也可以寫在表達式內。如忽略大小寫模式，可以寫為“/tm/i”“(? i)tm(? -i)”“(? i:tm)”3種格式。