正則表示式 – 匹配規則

正則表示式 - 匹配規則

基本模式匹配

一切從最基本的開始。模式，是正則表示式最基本的元素，它們是一組描述字串特徵的字元。模式可以很簡單，由普通的字串組成，也可以非常複雜，往往用特殊的字元表示一個範圍內的字元、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^，表示該模式只匹配那些以once開頭的字串。例如該模式與字串"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串。

bucket$

這個模式與"Who kept all of this cash in a bucket"匹配，與"buckets"不匹配。字元 ^ 和 $ 同時使用時，表示精確匹配（字串與模式一樣）。例如：

^bucket$

只匹配字串"bucket"。如果一個模式不包括^和$，那麼它與任何包含該模式的字串匹配。例如：模式

once

與字串

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，如標點符號和白字元（空格、製表符等），要用到轉義序列。所有的轉義序列都用反斜槓(\)打頭。製表符的轉義序列是 \t。所以如果我們要檢測一個字串是否以製表符開頭，可以用這個模式：

^\t 

類似的，用\n表示"新行"，\r表示回車。其他的特殊符號，可以用在前面加上反斜槓，如反斜槓本身用\\表示，句號.用\.表示，以此類推。

字元簇

在INTERNET的程式中，正則表示式通常用來驗證使用者的輸入。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元是不夠的。

所以要用一種更自由的描述我們要的模式的辦法，它就是字元簇。要建立一個表示所有母音字元的字元簇，就把所有的母音字元放在一個方括號裡：

[AaEeIiOoUu]

這個模式與任何母音字元匹配，但只能表示一個字元。用連字號可以表示一個字元的範圍，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\r\t\n] //匹配所有的白字元

同樣的，這些也只表示一個字元，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]$

儘管[a-z]代表26個字母的範圍，但在這裡它只能與第一個字元是小寫字母的字串匹配。

前面曾經提到^表示字串的開頭，但它還有另外一個含義。當在一組方括號裡使用 ^ 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"是匹配的，但與"12"、"66"是不匹配的。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 
[^\"\'] //除了雙引號(")和單引號(')之外的所有字元

特殊字元 .(點，句號)在正則表示式中用來表示除了"新行"之外的所有字元。所以模式 ^.5$ 與任何兩個字元的、以數字5結尾和以其他非"新行"字元開頭的字串匹配。模式 . 可以匹配任何字串，換行符（\n、\r）除外。

PHP的正則表示式有一些內建的通用字元簇，列表如下：

確定重複出現

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。一個單詞有若干個字母組成，一組數字有若干個單陣列成。跟在字元或字元簇後面的花括號({})用來確定前面的內容的重複出現的次數。

這些例子描述了花括號的三種不同的用法。一個數字 {x} 的意思是前面的字元或字元簇只出現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 ；兩個數字用逗號分隔的數字 {x,y} 表示 前面的內容至少出現x次，但不超過y次。我們可以把模式擴充套件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理解，是嗎？這麼看吧：以一個可選的負號 ([-]?) 開頭 (^)、跟著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]+)，並且後面沒有其他任何東西($)。下面你將知道能夠使用的更為簡單的方法。

特殊字元 ? 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]{1,}\.?[0-9]{1,}$

特殊字元 * 與 {0,} 是相等的，它們都代表著 0 個或多個前面的內容 。最後，字元 + 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

當然這並不能從技術上降低正則表示式的複雜性，但可以使它們更容易閱讀。