2017-08-17 正则浅析

本文只探讨正则在php中的一些使用，小白用户还是先了解下正则相关的基础概念：正则表达式30分钟入门教程

一、正则基础函数

<?php
/**
 * 函数参数说明
 * $pattern = 正则表达式
 * $subject = 匹配的目标数据
 * 
 */
// 只将第一个匹配到的结果赋值给$matches，$matches为一维数组。preg_match返回值为匹配到的次数，0或1.
preg_match($pattern, $subject); 
// 将所有匹配到的结果赋值给$matches,$matches为二维数组。preg_match_all返回值为匹配到的次数。
preg_match_all($pattern, $subject, $matches);
// preg_filter()和preg_replace()区别：在对数组方面替换的时候，preg_replace()会返回所有结果，preg_filter()只会返回替换到的结果。
preg_replace($pattern, $replacement, $subject);
preg_filter($pattern, $replacement, $subject);
// 只匹配，不替换，返回匹配到的数组值
preg_grep($pattern, array $input);
// 区别explode(…)
preg_split($pattern, $subject);
// 它会将正则表达式中的特殊字符进行转义。
// regex的运算符： . \ + * ? [ ^ ] $ ( ) { } = ! < > | : -
// 转义符号 \
preg_quote($str)

二、正则表达式基本语法

正则表达式基本语法归类：

界定符：表示一个正则表达式的开始和结束；EG：/[0-9]/; eg: $pattern = ‘/[0-9]/‘ 或者 #[0-9]# ｛[0-9]｝(不推荐使用大括号)；
原子: 原装可以分为可见原子和不可见原子，都能用正则表达式进行原子匹配。
- 可见原子：Unicode编码表中用键盘输出后肉眼可见的字符, 比如
  - 标点 _ ;,?等等
  - 英文字母和数字
  - 汉字/日文等其他语言文字
  - 求和等数理化公式符号
  - 其他可见字符
  - 特殊原子：\ 因为本身还是转义字符，所以要用\才能匹配到一个\符号
- 不可见原子：Unicode编码表中用键盘输出后肉眼不可见的字符
  - 换行符 \n
  - 回车符 \r
  - 制表符 \t
  - 空格
  - 其他不可见符号
- 元字符：
  [] -> 匹配出现在[]中的任意一个原子
  | -> 或运算，匹配|符号左右两边的任意一个
  [^ ] ->首先这里^必须和[紧挨着，才表示匹配除了[]里面任意原子的字符
  [ ^ ]->如果不挨着，就只表示匹配^这种字符了
- 原子的集合：
  - . 匹配除换行符之外的任意字符。等价于[^\n]。
  - \d 匹配任意一个十进制数字，即[0-9]。
  - \D 匹配任意一个非十进制数字，即[^0-9]。
  - \s 匹配一个不可见原子，即[\f\n\r\t\v]。
  - \S 匹配一个可见原子，即[^\f\n\r\t\v]。
  - \w 匹配任意一个数字，字母或下划线，即[0-9a-zA-Z_]。
  - \W 匹配任意一个非数字，字母或是下划线，即[^0-9a-zA-Z_]。
量词
- {n} 表示其前面的原子恰好出现n次。
- {n,} 表示其前面的原子最少出现n次。
- {n,m} 表示其前面的原子最少出现n次，最多出现m次。
- `` 匹配0次，1次，或者多次其之前的原子，即{0,}。 ? ???????
- + 匹配1次，或者多次其之前的原子，即{1,}。
- ? 匹配0次，1次，或者1次其之前的原子，即{0,1}。
  
  备注:量词不仅支持原子，同样支持原子的集合，同样支持元字符的写法。例如：\w{4}
边界控制
1. ^ 匹配字符串开始的位置
2. $ 匹配字符串结尾的位置
模式单元
- （）匹配其中的整体为一个原子, 例如：（H|h)ello则匹配Hello和hello的结果。
修正模式
- 贪婪匹配: 匹配结果存在歧义时取其长
- 懒惰匹配: 匹配结果存在歧义时取其短
- 常见的修正模式：
  - U 懒惰匹配
  - i 忽略英文字母大小写
  - x 忽略空白(空格，制表符等空白符）
  - s 让元字符’.’匹配包括换行符在内的所有字符
  - e 后面单独写下~
    
    惰模式的标识为大写的U
    例如：
    $pattern = ‘/hello.+12/‘;
    $subject = ‘hello1231321233123131’;
    在贪婪模式下匹配的结果为：hello1231321233123131
    而修改为懒惰匹配
    
    $pattern = ‘/hello.+12/U’;
    $subject = ‘hello1231321233123131’;
    那么结果就会变为：hello12

三、常见正则表达式练习

非空：/.+/
浮点数匹配： /\d+.\d{2}$/ ，实现保留两位的浮点数，$符号是上文中的边界控制哦~
手机号匹配：/1[34578]\d{9}/，匹配到的为1开头，第二位为3，4，5，7，或8的11位手机号
email地址匹配： /^\w+(.\w+)*@\w+(.\w+)+$/ (\w 字母,数字,下划线)
URL匹配：http是否出现，是http还是https。即 ^(https?://)?。是否是二级域名? 即：(\w+.)+。顶级域名。即：[a-zA-Z]+。故：正则表达式：^(https?://)?(\w+.)+[a-zA-Z]+$

3.1 正则工具类的设计实现

<?php
class RegexTool {
    //常用的regex表达式数组
    private $validata = array(
        'require'   =>  '/.+/',
            'email'     =>  '/^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$/',
            'url'       =>  '/^http(s?):\/\/(?:[A-za-z0-9-]+\.)+[A-za-z]{2,4}(?:[\/\?#][\/=\?%\-&~`@[\]\':+!\.#\w]*)?$/',
            'currency'  =>  '/^\d+(\.\d+)?$/',
            'number'    =>  '/^\d+$/',
            'zip'       =>  '/^\d{6}$/',
            'integer'   =>  '/^[-\+]?\d+$/',
            'double'    =>  '/^[-\+]?\d+(\.\d+)?$/',
            'english'   =>  '/^[A-Za-z]+$/',
            'qq'        =>    '/^\d{5,11}$/',
            'mobile'    =>    '/^1(3|4|5|7|8)\d{9}$/',
        );
    //返回数组还是返回真假的boolean变量
    private $returnMatechResult = false;
    //修正模式
    private $fixmode = null;
    //匹配结果数组
    private $matches = array();
    //是否匹配成功
    private $isMatch = false;
    //类的构造函数
    public function __construct($returnMatchResult = false, $fixMode = null) {
    $this->returnMatchResult = $returnMatchResult;
    $this->fixMode = $fixMode;
   }
   //核心匹配方法
   public function regex($pattern ,$subject){
       //array_key_exists判断键值是否存在
        if (array_key_exists(strtolower($pattern), $this->validata)) {
            $pattern = $this->validata[$pattern].$this->fixmode;
        }
        $this->returnMatchResult?
        preg_match_all($pattern, $subject, $this->matches):$this->isMatch = preg_match($pattern, $subject)===1;
        return $this->getRegexResult();
   }
   //获取返回值类型的方法
   private function getRegexResult(){
           if ($this->returnMatchResult) {
               return $this->matches;
           }else{
               return $this->isMatch;
           }
   }
   //切换返回值类型
   public function togoReturnType($boolean = null){
           if (empty($boolean)) {
               $this->returnMatchResult = !$this->returnMatchResult;
           }else{
               $this->returnMatchResult = is_bool($boolean)?$boolean:(bool)$boolean;
           }
   }
   //设定修正模式
   public function setFixMode($fixMode) {
    $this->fixMode = $fixMode;
   }
   //一些数据验证方法
   //是否为空
   public function noEmpty($str){
        return $this->regex('require',$str);
   }
   //验证email
   public function isEmail($email){
       return $this->regex('email',$email);
   }
   //....其他的类似，省略了，小伙伴自己可以自定义添加哦~
   //用户自定义正则表达式
   public function check($pattern, $subject) {
    return $this->regex($pattern, $subject);
    }
}
?>

四、其他语言或ide工具的正则语法使用

4.1 vim下正则使用

vim下的正则使用主要是批量替换的功能，使用语法如：:[range]s/from/to/[flags]

vim替换语法

range:搜索范围，如果没有指定范围，则作用于但前行。

:1,10s/from/to/ 表示在第1到第10行（包含第1，第10行）之间搜索替换；
:10s/from/to/ 表示只在第10行搜索替换；
:%s/from/to/ 表示在所有行中搜索替换；
1,$s/from/to/ 同上。

flags 有如下四个选项：

c confirm，每次替换前询问；
e error，不显示错误；
g globle，不询问，整行替换。如果不加g选项，则只替换每行的第一个匹配到的字符串；
i ignore，忽略大小写。

vim中使用的正则表达式语法

这里只针对vim中特殊的正则进行说明，其他的与通用正则大体一致。

元字符：大体一致，比如\w 代表匹配单词字母，等同于[0-9A-Za-z_]
一些普通字符需转意
- .: 匹配.字符, 不需要转义
- \: 匹配\字符, 不需要转义
表示位置的元字符
- \<: 匹配单词词首
- \>: 匹配单词词尾

vim 使用范例

%s/^$.\+$$/,(\1)/ : 缓存变量使用，在vim中用 \num表示；
:%s/\n//g: 批量删除换行
删除行尾空格：:%s/\s+$//g
删除行首多余空格：%s/^\s*// 或者 %s/^ *//
删除沒有內容的空行：%s/^$// 或者 g/^$/d
删除包含有空格组成的空行：%s/^\s*$// 或者 g/^\s*$/d
删除以空格或TAB开头到结尾的空行：%s/^[ |\t]*$// 或者 g/^[ |\t]*$/d
把文中的所有字符串“abc……xyz”替换为“xyz……abc”可以有下列写法
- :%s/abc$.*$xyz/xyz\1abc/g
- :%s/$abc$$.*$$xyz$/\3\2\1/g

一些学习工具

regexpal工具: 正则表达式书写辅助工具 regexpal 是Google Code上的一个开源项目，可以实时匹配正则表达式，方便调试，使用HTML和JS开发，推荐给大家使用。
鬼斧神工的正则表达式（PHP语言）