PHP正則式PCRE

PHP正則式PCRE的總結差很少就下邊這些了。參考 PCRE與perl的差別 。

 

錨(^、$、\A、\Z/\z)

 ^、$ 在多行模式(PCRE_MULTILINE)下構造非緊固模式，在單行模式(美圓符號可匹配字符串尾部的一個換行符)下可構造緊固模式；而\A、\Z / \z只用於構造緊固模式(\G表示在目標中首次匹配位置，還能夠與$offset參數一塊兒使用)。

 

斷言

一個斷言指定一個必須在特定位置匹配的條件，不會致使當前的匹配點發生改變，不會從目標字符串中消耗任何字符，所以也不會出如今結果中。一個斷言子組之前瞻斷言「(?=)」或「(?!)」、後瞻斷言「(?<=)」或「(?<!)」形式出現：

（1）\b指單詞邊界(\b在字符類中表示退格backspace字符)，\B指非單詞邊界。
（2）當字符串結束字符爲換行符時，\Z 會將其看作字符串結尾匹配, 而 \z 只匹配字符串結尾。
（3）前瞻斷言(?!foo)bar會查找到任意的barxxxxx而非foo跟隨bar的狀況。
（4）後瞻斷言的內容被嚴格限制爲只能用於匹配定長字符串，好比 (?<=bullock|donkey) 是容許的，可是 (?<!dogs?|cats?)、 (?<=ab(c|de)) 將會引起一個編譯期的錯誤。
（5）多個斷言(任意順序)能夠同時出現，如 (?<=\d{3})(?<!999)foo 匹配前面有三個數字但不是 」999」 的字符串 」foo」。
（6）斷言能夠以任意複雜度嵌套，好比 (?<=(?<!foo)bar)baz 匹配前面有 」bar」 可是 」bar」 前面沒有 」foo」 的 」baz」， 另外(?<=\d{3}…(?<!999))foo 匹配前面有三個數字字符緊跟 3 個不是 999 的任意字符的 」foo」。
（7）若是全部的斷言都包含一個捕獲子組，那麼爲了在整個模式中捕獲子組計數的目的，它們都會被計算在內；然而子字符串的捕獲僅能夠用於正面斷言，由於對於消極的斷言是沒有意義的。

  

內部選項(?)

若是一個選項在子組內部設置，僅僅改變子組中剩餘的部分，所以 (a(?i)b)c 僅僅匹配 」abc」 和 」aBc」 (假設沒有使用 PCRE_CASELESS 選項)；但在同一個子模式中， 一個分支的內部選項設置會穿透到後面的其餘分支中去，好比 (a(?i)b|c) 匹配」ab」或「aB」或「c」或」C」(選項是在編譯期肯定下來的，在匹配 」C」 時第一個分支已被丟棄)。(?im) 設置代表多行大小寫不敏感匹配， 而(?im-sx) 設置了 PCRE_CASELESS，PCRE_MULTILINE， 可是同時取消了 PCRE_DOTALL 和 PCRE_EXTENDED。 若是一個字母即出如今 - 以前, 也出如今 - 以後，這個選項被取消設置。

 

模式修飾符

主要有i(PCRE_CASELESS)、m(PCRE_MULTILINE)、s(PCRE_DOTALL)、x(PCRE_EXTENDED)、A(PCRE_ANCHORED)、D(PCRE_DOLLAR_ENDONLY)、U(PCRE_UNGREEDY)等。模式修飾符中的空格、換行符會被忽略，其餘字符會致使錯誤。

 

子組/子模式與分支(|)

子組經過圓括號(其做用是局部化和捕獲子組，而「(?:)」不捕獲子組，「(?|)」使可多個分支複用一個後向引用編號)來分隔界定，而且它們能夠嵌套：

（1）cat(arcat|erpillar|)匹配 」cat」， 「cataract」， 「caterpillar」 中的一個。
（2）一次性子組(非捕獲子組)和後瞻斷言結合使用來指定在目標字符串末尾的有效匹配，好比^(?>.*)(?<=abcd)相對於^.*abcd$更爲高效。
（3）條件子組(非捕獲子組)型如(?(condition)yes-pattern)、(?(condition)yes-pattern|no-pattern)，condition是數字(後向引用某個捕捉子組)或字串或斷言。

(\()?[^()]+(?(1)\))

改模式匹配一個沒有括號的或者閉合括號包裹的字符序列。

（4）命名子組(捕獲子組)形如 (?P<name>pattern)、(?<name>pattern)、(?’name’pattern)，可經過(?P>name)、(?P&name)形式在模式中再次引用命名子組，但這種引用不可捕獲。

 

重複/量詞

 

*	等價於 {0,}
+	等價於 {1,}
?	等價於 {0,1}

默認狀況下，量詞都是」貪婪」的，也就是說， 它們會在不致使模式匹配失敗的前提下，儘量多的匹配字符(直到最大容許的匹配次數)，如對C代碼「/* first comment*/ not comment /*second comment*/」匹配註釋使用下列模式會匹配到整個字符串；

/\*.*\*/

然而，若是一個量詞緊跟着一個 ?(?起到模式反轉的做用，也就是說若是設置了 PCRE_UNGREEDY((?U))，模式將反轉爲貪婪；而若是量詞緊跟着一個+，表示任何狀況下都使用貪婪模式，所以 .*?abc 匹配 」aabc」， 可是 .*+abc 不匹配) 標記，它就會成爲懶惰(非貪婪)模式， 只作儘量少的匹配。 所以上述模式應該改爲這樣：

/\*.*?\*/ 

補充一下，在貪婪或懶惰模式下，都是在保證成功的條件下來控制匹配的重複次數最多或最少：

 

//$match = Array ( [0] => 214sfsbbb )
$patt = '/^\w*b$/';
preg_match($patt,'214sfsbbb',$match);

//$match = Array ( [0] => 214sfsbbb )
$patt = '/^\w*?b$/';
preg_match($patt,'214sfsbbb',$match);

//$match = Array ( [0] => 214sfsbbb )
$patt = '/^\w*b/';
preg_match($patt,'214sfsbbb',$match);

//$match = Array ( [0] => 214sfsb )
$patt = '/^\w*?b/';
preg_match($patt,'214sfsbbb',$match);

$subject = 'Aaaaaa Bbb';
$target = 0;
//$subject = "0123456 7B8b9b10"
$subject = preg_replace_callback_array(
    [
          '/a?/i' => function ($match) use (&$target) {
                        return $target++;
                   },
    ],
    $subject
);

 

字符類與轉義字符

字符類\d、\D、 \s(任意空白字符，包括\r、\n、\t)、\S(任意非空白字符)、\w(任意單詞字符，包括字母、數字和_) 和 \W 也能夠出如今一個字符類中， 用以將其匹配的字符類加入到新的自定義字符類中。好比， [\dABCDEF] 匹配任意合法的 16 進制數， [^\W_] 匹配任何字母或數字但不匹配下劃線。\Q 和 \E 可忽略正則表達式元字符，

\w+\Q.$.\E$ 

該模式會匹配一個或多個單詞字符，緊接着一個點號，一個$，一個點號， 最後錨向字符串末尾；\K 能夠用於重置匹配，好比 foot\Kbar 匹配」footbar」，可是獲得的匹配結果是 」bar」。

 

註釋

模式中形如「(?# comments)」的部分表示註釋內容。若是設置了 PCRE_EXTENDED 選項， 一個字符類外部的未轉義的 # 字符就表明本行剩餘部分爲註釋。

 

遞歸模式(?R) 

(?R) 提供了遞歸的這種特殊用法，如

\(((?>[^()]+)|(?R))*\)

該模式可匹配字串(ab(cd)ef)。

 

分隔符

分隔符可使任意非字母數字、非反斜線、非空白字符，如正斜線(/)、hash符號(#)、取反符號(~)等。

 

後向引用

(?1)、(?2)、(?P>name)、(?P&name)、(?P=name)、\一、\k<name>、\k’name’、\k{name}、\g{name}等形式能夠用於引用以前定義的子組。需注意，\n複用匹配結果，而(?n)、(?P>name)、(?P&name)複用模式。(a|(bc))\2 老是在匹配 」a」 開頭而不是 」bc」 開頭的字符串時失敗，故能夠換成(a|(bc))(?2)。對後向引用後有數字能夠空格分隔並使用x修飾符，或使用\g{n}這種格式(序列\1， \g1，\g{1}之間是同義關係)，(foo)(bar)\g{-1} 能夠匹配字符串 」foobarbar」。子組內部後向引用本身(a\1)會失敗，但(a|b\1)*遇到aba會成功；也就是模式在第一次迭代的時候，必須可以保證不須要匹配後向引用。

 

PCRE不容許前瞻斷言的量詞修飾

(?!a){3}並不意味着接下來 3 個字符不是 a，而是斷言下一個字符不是 a 並進行了 3 次斷言。

//verify email address
//$match: Array ( [0] => w12aqe_@124afasf.com [1] => 124afasf. )
$patt = '/^(?!_|-)(?>[\w\.-]+)@(?!-)(?>((?>[a-zA-Z0-9-]+)\.)+)[a-zA-Z]{2,46}$/';
preg_match($patt,'w12aqe_@124afasf.com',$match);

//$match: Array ( [0] => Sunday [day] => Sunday [1] => Sunday )
$patt = '/(?<day>:(?i)saturday|sunday)/';
preg_match($patt,'Sunday',$match);

//$match: Array ( [0] => Sunday [1] => Sun )
$patt = '/(?|(Sat)ur|(Sun))day/';
preg_match($patt,'Sunday',$match);

//子組發生重複屢次匹配時，捕獲的是最新一次的值
//$match: Array ( [0] => (ab(cd)ef) [1] => ab(cd)ef [2] => ef )
$patt = '/\( ( ( (?>[^()]+) | (?R) )* ) \)/x';
preg_match($patt,'(ab(cd)ef)',$match);

//命名子組可經過名稱或序號來再次引用
//$match: Array ( [0] => 23ab45cd56 [number] => 23 [1] => 23 )
$patt = '/^(?P<number>\d+)ab(?P>number)cd(?1)$/';
preg_match($patt,'23ab45cd56',$match);

//下列模式至關於^.*abcd$
//$match: Array ( [0] => 23abcd )
$patt = '/^(?>.*)(?<=abcd)/';
preg_match($patt,'23abcd',$match);

//下列模式用於XML去空及壓縮
$package = '<?xml version="1.0" encoding="UTF-8"?>
<PARAM>
    <DBID>35</DBID>
    <SEQUENCE>atgtca</SEQUENCE>
    <MAXNS>10</MAXNS>
    <MINIDENTITIES>90</MINIDENTITIES>
    <MAXEVALUE>10</MAXEVALUE>
    <USERNAME>ad m
    in</USERNAME>
    <PASSWORD>111111</PASSWORD>
    <TYPE>P</TYPE>
    <RETURN_TYPE></RETURN_TYPE>
</PARAM>';
        

// 去除空元素
$package = preg_replace('/<(\w+)[^>]*>\s*<\/\1>|<\w+[^>]*\/>/i', '', $package);
// XML壓縮
$package = preg_replace('/(?<=>)\s+(?=<\/?\w+>)/i', '', $package);

 

PCRE系統錯誤

 

// 打印最近的PCRE錯誤，非0值表示發生錯誤
var_dump(preg_last_error());

// preg_last_error() == 2時，可上調設置最大回溯解決，但不可無限上調該設置以避免消耗內存資源過大。默認 pcre.backtrack_limit = 1000000
ini_set('pcre.backtrack_limit', 100000000);