PHP 正则表达式语法

则表达式简介

在某些应用中，往往有时候需要根据一定的规则来匹配（查找）确认一些字符串，如要求用户输入的 QQ 号码为数字且至少 5 位。用于描述这些规则的工具就是正则表达式。

最简单的匹配

最简单的匹配就是直接给定字符匹配。如用字符 a 去匹配 aabab ，则会匹配出 3 个结果，分别是字符串中的第 1，2 和第 4 个字符。这种匹配是最简单的情况，但往往实际处理中会复杂得多，如下面的 “QQ号码为数字且至少5位” ，其对应的正则表达式为：

^\d{5,}$

该正则表达式就描述需要确定的内容为至少 5 位以上的数字。我们来具体看看该表达式是怎么描述这一规则的：

1. ^：表示匹配字符串的开始，也即该字符串是独立的开始而不是包含在某个字符串之内
2. \d：表示匹配数字
3. {5,}：表示至少匹配5位及以上
4. $：表示匹配字符串的结束，也即该字符串是独立的结束

现在就很清楚了，该正则表达式综合起来就是匹配 5 位以上的连续数字，且有独立的开始和结束，对于少于 5 位的数字，或者不是以数字开始和结尾的如 a123456b 这样都是无效的。

从该例子可以看出，正则表达式是从左至右描述的。

同样，如果要匹配移动号码的正则表达式为：

^1\d{10}$

提示

由于对正则表达式的匹配结果，在很多情况下都不是那么确定，所以最好下载一些辅助工具用于测试正则表达式的匹配结果。这类工具如 Match Tracer、RegExBuilder 等，以及其他类似的工具也可。

元字符

在上面的例子中，^ 、\d 及 $ 等这些符号，代表了特定的匹配意义，我们称之为元字符，常用的元字符如下：

元字符	说明
.	匹配除换行符意外的任意字符
\w	匹配字母或数字或下划线
\s	匹配任意的空白符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束
[x]	匹配x字符，如匹配字符串中的 a、b 和 c 字符
\W	\w的反义，即匹配任意非字母，数字，下划线和汉字的字符
\S	\s的反义，即匹配任意非空白符的字符
\D	\d的反义，即匹配任意非数字的字符
\B	\b的反义，即不是单词开头或结束的位置
[^x]	匹配除了 x 意外的任意字符，如 [^abc] 匹配除了 abc 这几个字母之外的任意字符

提示

1. 当我们要匹配这些元字符的时候，我们需要用到字符转义功能，同样正则表达式里面用 \ 来表示转义，如要匹配 . 符号，则需要用 \. ，否则 . 会被解释成“除换行符外的任意字符”。当然，要匹配 \ ，则需要写成 \\
2. 连续的数字或字母可以用 – 符号连接起来，如 匹配所有的小写字母，[1-5] 匹配 1 至 5 这 5 个数字

1. 3.     PHP 正则表达式语法（二）

4. 重复

1. 正则表达式的威力在于其能够在模式中包含选择和循环，正则表达式用一些重复规则来表达循环匹配。
2. 常用的重复如下：

重复	说明
*	重复零次或更多次
+	重复 1 次或更多次
?	重复零次或 1 次
{n}	重复 n 次
{n,}	重复 n 次或更多次
{n,m}	重复 n 到 m 次

7. 分枝

1. 分枝是指制定几个规则，如果满足任意一种规则，则都当作匹配成功。具体来说就是用 | 符号把各种规则分开，且条件从左至右匹配。

9. 提示

10.由于分枝规定，只要匹配成功，就不再对后面的条件加以匹配，所以如果你想匹配有包含关系的内容，请注意规则的顺序。

11.下面是一个使用分枝的例子。

12.美国的邮政编码的规则是 5 个数字或者 5 个数字连上 4 个数字，如 12345 或者 54321-1234 ，如果要匹配所有的邮编，则正确的正则表达式为：

13.\d{5}-\d{4}|\d{5}

14.//错误写法

15.\d{5}|\d{5}-\d{4}

16.下面的错误写法，只能匹配到 5 位数字及 9 位数字的前 5 位数字的情况，而不能匹配 9 位数字的邮编。

1. 17.    分组

18.在正则表达式中，可以用小括号将一些规则括起来当作分组，分组可以作为一个元字符来看待。

19.分组的例子，验证 IP 地址：

20.(\d{1,3}\.){3}\d{1,3}

21.这是一个简单的且不完善的匹配 IP 地址的正则表达式，因为它除了能匹配正确的 IP 地址外，还能匹配如 322.197.578.888 这种不存在的 IP 地址。

22.当然，用这个表达式简单匹配成功后可以在利用 PHP 的算术比较再加以判断 IP 地址是否正确。而正则表达式中没有提供算术比较功能，如果要完全匹配正确的 IP 地址，则需要改进如下：

23.((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)

24. 规则说明

25.该规则关键之处在于确定 IP 地址每一段范围为 0-255 ，然后再重复 4 次即可。在：

26.25[0-5]|2[0-4]\d|[01]?\d\d?

27.中，用分枝首先确定了 250-255 和 200-249 。 [01]?\d\d? 则确定了 0-199 的范围，综合起来就是 0-255 。

1. 28.    贪婪与懒惰

29.正则表达式默认的情况下，会在满足匹配条件下尽可能的匹配更多内容。如 a.*b，用他来匹配 aabab ，它会匹配整个 aabab ，而不会只匹配到 aab 为止，这就是贪婪匹配。

30.与贪婪匹配对应的是，在满足匹配条件的情况下尽可能的匹配更少的内容，这就是懒惰匹配。

31.上述例子对应的懒惰匹配规则为：

32.a.*?b

33.如果用该表达式去匹配 aabab ，那么就会得到 aab 和 ab 这样两个匹配结果。

34.常用的懒惰限定符如下：

懒惰限定符	说明
*?	重复任意次，但尽可能少重复
+?	重复 1 次或更多次，但尽可能少重复
??	重复 0 次或 1 次，但尽可能少重复
{n,}	重复 n 次以上，但尽可能少重复
{n,m}	重复 n 到 m 次，但尽可能少重复

1. 35.    模式修正符

36.模式修正符是标记在整个正则表达式之外的，可以看着是对正则表达式的一些补充说明。

37.常用的模式修正符如下：

模式修正符	说明
i	模式中的字符将同时匹配大小写字母
m	字符串视为多行
s	将字符串视为单行，换行符作为普通字符
x	将模式中的空白忽略
e	preg_replace() 函数在替换字符串中对逆向引用作正常的替换，将其作为 PHP 代码求值，并用其结果来替换所搜索的字符串。
A	强制仅从目标字符串的开头开始匹配
D	模式中的 $ 元字符仅匹配目标字符串的结尾
U	匹配最近的字符串
u	模式字符串被当成 UTF-8

PHP 正则表达式匹配 preg_match 与 preg_match_all 函数

正则表达式在 PHP 中的应用

在 PHP 应用中，正则表达式主要用于：

• 正则匹配：根据正则表达式匹配相应的内容
• 正则替换：根据正则表达式匹配内容并替换
• 正则分割：根据正则表达式分割字符串

在 PHP 中有两类正则表达式函数，一类是 Perl 兼容正则表达式函数，一类是 POSIX 扩展正则表达式函数。二者差别不大，而且推荐使用Perl 兼容正则表达式函数，因此下文都是以 Perl 兼容正则表达式函数为例子说明。

定界符

Perl 兼容模式的正则表达式函数，其正则表达式需要写在定界符中。任何不是字母、数字或反斜线（）的字符都可以作为定界符，通常我们使用 / 作为定界符。具体使用见下面的例子。

提示

尽管正则表达式功能非常强大，但如果用普通字符串处理函数能完成的，就尽量不要用正则表达式函数，因为正则表达式效率会低得多。关于普通字符串处理函数，请参见《PHP 字符串处理》。

preg_match()

preg_match() 函数用于进行正则表达式匹配，成功返回 1 ，否则返回 0 。

语法：

int preg_match( string pattern, string subject [, array matches ] )

参数说明：
参数	说明
pattern	正则表达式
subject	需要匹配检索的对象
matches	可选，存储匹配结果的数组， $matches[0] 将包含与整个模式匹配的文本，$matches[1] 将包含与第一个捕获的括号中的子模式所匹配的文本，以此类推

例子 1 ：

<?php

if(preg_match("/php/i", "PHP is the web scripting language of choice.", $matches)){

print "A match was found:". $matches[0];

} else {

print "A match was not found.";

}

?>

浏览器输出：

A match was found: PHP

在该例子中，由于使用了 i 修正符，因此会不区分大小写去文本中匹配 php 。

提示

preg_match() 第一次匹配成功后就会停止匹配，如果要实现全部结果的匹配，即搜索到subject结尾处，则需使用 preg_match_all() 函数。

例子 2 ，从一个 URL 中取得主机域名 ：

<?php

// 从 URL 中取得主机名

preg_match("/^(http://)?([^/]+)/i","http://www.5idev.com/index.html", $matches);

$host = $matches[2];

// 从主机名中取得后面两段

preg_match("/[^./]+.[^./]+$/", $host, $matches);

echo "域名为：{$matches[0]}";

?>

浏览器输出：

域名为：5idev.com

preg_match_all()

preg_match_all() 函数用于进行正则表达式全局匹配，成功返回整个模式匹配的次数（可能为零），如果出错返回 FALSE 。

语法：

int preg_match_all( string pattern, string subject, array matches [, int flags ] )

参数说明：
参数	说明
pattern	正则表达式
subject	需要匹配检索的对象
matches	存储匹配结果的数组
flags	可选，指定匹配结果放入 matches 中的顺序，可供选择的标记有： PREG_PATTERN_ORDER：默认，对结果排序使 $matches[0] 为全部模式匹配的数组，$matches[1] 为第一个括号中的子模式所匹配的字符串组成的数组，以此类推 PREG_SET_ORDER：对结果排序使 $matches[0] 为第一组匹配项的数组，$matches[1] 为第二组匹配项的数组，以此类推 PREG_OFFSET_CAPTURE：如果设定本标记，对每个出现的匹配结果也同时返回其附属的字符串偏移量

下面的例子演示了将文本中所有 <pre></pre> 标签内的关键字（php）显示为红色。

<?php

$str = "<pre>学习php是一件快乐的事。</pre><pre>所有的phper需要共同努力！</pre>";

$kw = "php";

preg_match_all('/<pre>([sS]*?)</pre>/',$str,$mat);

for($i=0;$i<count($mat[0]);$i++){

$mat[0][$i] = $mat[1][$i];

$mat[0][$i] = str_replace($kw, '<span style="color:#ff0000">'.$kw.'</span>', $mat[0][$i]);

$str = str_replace($mat[1][$i], $mat[0][$i], $str);

}

echo $str;

?>

正则匹配中文汉字

正则匹配中文汉字根据页面编码不同而略有区别：

• GBK/GB2312编码：[x80-xff>]+ 或 [xa1-xff]+
• UTF-8编码：[x{4e00}-x{9fa5}]+/u

例子：

<?php

$str = "学习php是一件快乐的事。";

preg_match_all("/[x80-xff]+/", $str, $match);

//UTF-8 使用：

//preg_match_all("/[x{4e00}-x{9fa5}]+/u", $str, $match);

print_r($match);

?>

输出：

Array

(

[0] => Array

(

[0] => 学习

[1] => 是一件快乐的事。

)

)

PHP 正则表达式替换 preg_replace 函数

正则替换

preg_replace() 函数用于正则表达式的搜索和替换。

语法：

mixed preg_replace( mixed pattern, mixed replacement, mixed subject [, int limit ] )

参数说明：
参数	说明
pattern	正则表达式
replacement	替换的内容
subject	需要匹配替换的对象
limit	可选，指定替换的个数，如果省略 limit 或者其值为 -1，则所有的匹配项都会被替换

补充说明

1. replacement 可以包含 \\n 形式或 $n 形式的逆向引用，首选使用后者。每个此种引用将被替换为与第 n 个被捕获的括号内的子模式所匹配的文本。n 可以从 0 到 99，其中 \\0 或 $0 指的是被整个模式所匹配的文本。对左圆括号从左到右计数（从 1 开始）以取得子模式的数目。
2. 对替换模式在一个逆向引用后面紧接着一个数字时（如 \\11），不能使用 \\ 符号来表示逆向引用。因为这样将会使 preg_replace() 搞不清楚是想要一个 \\1 的逆向引用后面跟着一个数字 1 还是一个 \\11 的逆向引用。解决方法是使用 \${1}1。这会形成一个隔离的 $1 逆向引用，而使另一个 1 只是单纯的文字。
3. 上述参数除 limit 外都可以是一个数组。如果 pattern 和 replacement 都是数组，将以其键名在数组中出现的顺序来进行处理，这不一定和索引的数字顺序相同。如果使用索引来标识哪个 pattern 将被哪个 replacement 来替换，应该在调用 preg_replace() 之前用 ksort() 函数对数组进行排序。

例子 1 ：

<?php

$str = "The quick brown fox jumped over the lazy dog.";

$str = preg_replace('/\s/','-',$str);

echo $str;

?>

输出结果为：

The-quick-brown-fox-jumped-over-the-lazy-dog.

例子 2 ，使用数组：

<?php

$str = "The quick brown fox jumped over the lazy dog.";

$patterns[0] = "/quick/";

$patterns[1] = "/brown/";

$patterns[2] = "/fox/";

$replacements[2] = "bear";

$replacements[1] = "black";

$replacements[0] = "slow";

print preg_replace($patterns, $replacements, $str);

/*输出：

The bear black slow jumped over the lazy dog.

*/

ksort($replacements);

print preg_replace($patterns, $replacements, $str);

/*输出：

The slow black bear jumped over the lazy dog.

*/

?>

例子 3 ，使用逆向引用：

<?php

$str = '<a href="http://www.5idev.com/">5idev</a>其他字符<a href="http://www.sohu.com/">sohu</a>';

$pattern = "/<a\s([\s\S]*?)>([\s\S]*?)<\/a>/i";

print preg_replace($pattern, '\\2', $str);

?>

输出结果为：

5idev其他字符sohu

该例子演示了将文本中所有的 <a></a> 标签去掉。

PHP 正则表达式分割 preg_split 与 split 函数

preg_split()

preg_ split() 函数用于正则表达式分割字符串。

语法：

array preg_split( string pattern, string subject [, int limit [, int flags]] )

返回一个数组，包含 subject 中沿着与 pattern 匹配的边界所分割的子串。

参数说明：
参数	说明
pattern	正则表达式
subject	需要匹配分割的对象
limit	可选，如果指定了 limit ，则最多返回 limit 个子串，如果 limit 是 -1，则意味着没有限制，可以用来继续指定可选参数 flags
flags	设定 limit 为 -1 后可选，可以是下列标记的任意组合（用按位或运算符 | 组合）： PREG_SPLIT_NO_EMPTY：preg_split() 只返回非空的成分 PREG_SPLIT_DELIM_CAPTURE：定界符模式中的括号表达式也会被捕获并返回 PREG_SPLIT_OFFSET_CAPTURE：对每个出现的匹配结果也同时返回其附属的字符串偏移量。注意这改变了返回的数组的值，使其中的每个单元也是一个数组，其中第一项为匹配字符串，第二项为其在 subject 中的偏移量。

例子 1 ：

<?php

$str = "php mysql,apache ajax";

$keywords = preg_split("/[\s,]+/", $str);

print_r($keywords);

?>

输出结果为：

Array

(

[0] => php

[1] => mysql

[2] => apache

[3] => ajax

)

例子 2 ：

<?php

$str = 'string';

$chars = preg_split('//', $str, -1, PREG_SPLIT_NO_EMPTY);

print_r($chars);

?>

输出结果为：

(

[0] => s

[1] => t

[2] => r

[3] => i

[4] => n

[5] => g

)

例子 3 ：

<?php

$str = "php mysql,apache ajax";

$keywords = preg_split("/[\s,]+/", $str, -1, PREG_SPLIT_OFFSET_CAPTURE);

print_r($keywords);

?>

输出结果为：

Array

(

[0] => Array

(

[0] => php

[1] => 0

)

[1] => Array

(

[0] => mysql

[1] => 4

)

[2] => Array

(

[0] => apache

[1] => 10

)

[3] => Array

(

[0] => ajax

[1] => 17

)

)

split()

split() 函数同 preg_split() 类似，用正则表达式将字符串分割到数组中，返回一个数组，但推荐使用 preg_split() 。

语法：

array split( string pattern, string string [, int limit] )

如果设定了 limit ，则返回的数组最多包含 limit 个单元，而其中最后一个单元包含了 string 中剩余的所有部分。如果出错，则返回 FALSE。

例子：

<?php

$date = "2008-08-08 20:00:01";

print_r( split('[- :]', $date) );

?>

输出结果：

Array

(

[0] => 2008

[1] => 08

[2] => 08

[3] => 20

[4] => 00

[5] => 01

)

提示

1. 如果不需要正则表达式的功能，可以选择使用更快（也更简单）的替代函数如 explode() 或 str_split() 。
2. split() 函数对大小写敏感，如果在匹配字母字符时忽略大小写的区别，请使用用法相同的 spliti() 函数

PHP 常用正则表达式整理

本文整理了常用的正则表达式以供参考，尽管以下正则表达式已经一一经过验证，但难免有所纰漏，大家在使用时还需要仔细验证。

表单验证匹配

验证账号，字母开头，允许 5-16 字节，允许字母数字下划线：^[a-zA-Z][a-zA-Z0-9_]{4,15}$

验证账号，不能为空，不能有空格，只能是英文字母：^\S+[a-z A-Z]$

验证账号，不能有空格，不能非数字：^\d+$

验证用户密码，以字母开头，长度在 6-18 之间：^[a-zA-Z]\w{5,17}$

验证是否含有 ^%&',;=?$\ 等字符：[^%&',;=?$\x22]+

匹配Email地址：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*

匹配腾讯QQ号：[1-9][0-9]{4,}

匹配日期，只能是 2004-10-22 格式：^\d{4}\-\d{1,2}-\d{1,2}$

匹配国内电话号码：^\d{3}-\d{8}|\d{4}-\d{7,8}$
评注：匹配形式如 010-12345678 或
0571-12345678 或 0831-1234567

匹配中国邮政编码：^[1-9]\d{5}(?!\d)$

匹配身份证：\d{14}(\d{4}|(\d{3}[xX])|\d{1})
评注：中国的身份证为 15 位或 18 位

不能为空且二十字节以上：^[\s|\S]{20,}$

字符匹配

匹配由 26 个英文字母组成的字符串：^[A-Za-z]+$

匹配由 26 个大写英文字母组成的字符串：^[A-Z]+$

匹配由 26 个小写英文字母组成的字符串：^[a-z]+$

匹配由数字和 26 个英文字母组成的字符串：^[A-Za-z0-9]+$

匹配由数字、26个英文字母或者下划线组成的字符串：^\w+$

匹配空行：\n[\s| ]*\r

匹配任何内容：[\s\S]*

匹配中文字符：[\x80-\xff]+ 或者 [\xa1-\xff]+

只能输入汉字：^[\x80-\xff],{0,}$

匹配双字节字符(包括汉字在内)：[^\x00-\xff]

匹配数字

只能输入数字：^[0-9]*$

只能输入n位的数字：^\d{n}$

只能输入至少n位数字：^\d{n,}$

只能输入m-n位的数字：^\d{m,n}$

匹配正整数：^[1-9]\d*$

匹配负整数：^-[1-9]\d*$

匹配整数：^-?[1-9]\d*$

匹配非负整数（正整数 + 0）：^[1-9]\d*|0$

匹配非正整数（负整数 + 0）：^-[1-9]\d*|0$

匹配正浮点数：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$

匹配负浮点数：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$

匹配浮点数：^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$

匹配非负浮点数（正浮点数 + 0）：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$

匹配非正浮点数（负浮点数 + 0）：^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$

其他

匹配HTML标记的正则表达式（无法匹配嵌套标签）：<(\S*?)[^>]*>.*?</\1>|<.*? />

匹配网址 URL ：[a-zA-z]+://[^\s]*

匹配 IP 地址：((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)

匹配完整域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(\.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+\.?

提示

1. 上述正则表达式通常都加了 ^ 与 $ 来限定字符的起始和结束，如果需要匹配的内容包括在字符串当中，可能需要考虑去掉 ^ 和 $ 限定符。
2. 以上正则表达式仅供参考，使用时请检验后再使用