最通俗易懂的php正则表达式教程(上)

基础知识

• 字符集
• POSIX 扩展正则表达式函数
  
• Perl 兼容正则表达式函数

从邮件验证说起

邮件的格式:

tenssun@163.com

其中tenssun是用户名,163.com是服务器名

用户名只能由英文字母a～z(不区分大小写)、数字0～9、下划线组成。

用户名的起始字符必须是英文字母.如：netease_2005

用户名长度为5～20个字符。

服务器名只能由英文字母a～z(不区分大小写)、数字0～9、下划线及点组成,@后点前面长度限制为1-10个字符,点后面的限制为com,cn,com.cn,net。

示例：

<?php
	$email='wjj7r8y6@jj.net';
	if(ereg ("^[a-zA-Z][0-9a-zA-Z_]{4,19}@[0-9a-zA-Z_]{1,10}(\.)(com|cn|com.cn|net)$",$email)) {
		echo 'email格式正确';
	}
?>

^  和  $

看到前面的邮件验证大部分人可能会感到头痛,别急下面我们慢慢分解。

还是得说说 ^  和  $  他们是分别用来匹配字符串的开始和结束，下面法举例说明：

"^The": 开头一定要有"The"字符串;

"of despair$":  结尾一定要有"of despair" 的字符串; 那么,

"^abc$": 就是要求以abc开头和以abc结尾的字符串，实际上是只有abc匹配

"notice": 匹配包含notice的字符串 你可以看见如果你没有用我们提到的两个字符（最后一个例子），就是说 模式（正则表达式） 可以出现在被检验字符串的任何地方，你没有把他锁定到两边 (开始或结束)

'*', '+',和 '?',

接着,说说 '*', '+',和 '?', 他们用来表示一个字符可以出现的次数或者顺序. 他们分别表示：

* 表示出现0次或1次或多次 相当于{0,},

+ 表示出现1次或多次  相当于{1,},

? 表示出现0次或1次 相当于{0,1},  这里是一些例子:

• "ab*":  和ab{0,}同义,匹配以a开头,后面可以接0个或者N个b组成的字符串("a", "ab", "abbb", 等);
  
• "ab+": 和ab{1,}同义,同上条一样，但最少要有一个b存在 ("ab", "abbb", 等.);
  
• "ab?":和ab{0,1}同义,可以没有或者只有一个b;
  
• "a?b+$": 匹配以一个或者0个a再加上一个以上的b结尾的字符串.
  

要点：'*', '+',和 '?'只管它前面那个字符.

{ }

你也可以在大括号里面限制字符出现的个数，比如

• "ah{2}": 要求a后面一定要跟两个h（一个也不能少）("ahh");
  
• "ah{2,}": 要求a后面一定要有两个或者两个以上h(如"ahh", "ahhhh", 等.);
  
• "ah{3,5}": 要求a后面可以有3－5个h("ahhh", "ahhhh", or "ahhhhh").

() {}

现在我们把一定要的几个字符放到小括号里，比如：

• “a(bc)*”: 匹配 a 后面跟0个或者多个"bc";
  
• "a(bc){1,5}": 一个到5个 "bc."

'│'

还有一个字符 '│', 相当于OR(或者) 操作:

• "hi│hello": 匹配含有"hi" 或者 "hello" 的 字符串;
  
• "(b│cd)ef": 匹配含有 "bef" 或者 "cdef"的字符串;
  
• "(a│b)*c": 匹配含有这样多个（包括0个）a或b，后面跟一个c 的字符串;

'.'

一个点('.')可以代表所有的单一字符,不包括"\n"

如果,要匹配包括"\n"在内的所有单个字符,怎么办?

用'[\n.]'这种模式.

"a.[0-9]": 一个a加一个字符再加一个0到9的数字

".{3}$": 三个任意字符结尾 .

[ ]

中括号括住的内容只匹配一个单一的字符

"[ab]": 匹配单个的 a 或者 b ( 和 "a│b" 一样);

"[a-d]": 匹配'a' 到'd'的单个字符 (和"a│b│c│d" 还有 "[abcd]"效果一样); 一般我们都用[a-zA-Z]来指定字符为一个大小写英文

"^[a-zA-Z]": 匹配以大小写字母开头的字符串

"[0-9]%": 匹配含有 形如 x％ 的字符串

",[a-zA-Z0-9]$": 匹配以逗号再加一个数字或字母结尾的字符串

^[]和[^ ]的区别

你也可以把你不想要得字符列在中括号里，你只需要在总括号里面使用'^' 作为开头 "%[^a-zA-Z]%" 匹配含有两个百分号里面有一个非字母的字符串.

要点：^用在中括号开头的时候,就表示排除括号里的字符

不要忘记在中括号里面的字符是这条规路的例外—在中括号里面, 所有的特殊字符，包括(''), 都将失去他们的特殊性质 "[*\+?{}.]"匹配含有这些字符的字符串.

{ }  \b

看了上面的例子,你对{n,m}应该理解了吧.要注意的是,n和m都不能为负整数,而且n总是小于m. 这样,才能 最少匹配n次且最多匹配m次. 如"p{1,5}"将匹配 "pvpppppp"中的前五个p

下面说说以\开头的

\b 书上说他是用来匹配一个单词边界,就是...比如've\b',可以匹配love里的ve而不匹配very里有ve

\B 正好和上面的\b相反.例子我就不举了

应用一

好,说了这么多下面我们再回过头来看我们的邮件正则怎么构造的:

用户名的正则表达式

^[a-zA-Z][0-9a-zA-Z_]{4,19}

a-z表示a到z的所有小写字母，A-Z表示A到Z的所有大写字母，但是[ ]只能取一个字符，所以[a-zA-Z]只能取其中一个符,也就是从所有的大小写英文字母中只能取一个字母，^放在[]外面表示开始， 所以^[a-zA-Z]表示以一个英文字母开头。

应用二

[0-9a-zA-Z_]表示从所有的阿拉伯数字和英文及_中取一个字符,而{4,19}表示匹配最少4次,最多9次显然

[0-9a-zA-Z_]{4,19}表示前面的字符至少出现4次,最多出现19次.

那么现在请问下面这个表达式所表达的意思

^[a-zA-Z][0-9a-zA-Z_]{4,19}

(\.)表示一个点别和'.'混淆了'.'是表示除\n的任意一个字符()表示这是个子母式

(com|cn|com.cn|net)$

表示以com或cn或com.cn或net结尾的一串字符