标签目录：正则表达式

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法2——元字符

正则表达式的威力源于它可以在模式中拥有选择和重复的能力。一些字符被赋予特殊的涵义，使其不再单纯的代表自己，模式中的这种有特殊涵义的编码字符称为 元字符。共有两种不同的元字符：一种是可以在模式中方括号外任何地方使用的，另外一种是需要在方括号内使用的。在方括号外使用的元字符如下：\一般用于转义字符^断言目标的开始位置(或在多行模式下是行首)$断言目标的结束位置(或在多行模式下是行尾).匹配除换行... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法3——转义序列(反斜线)

反斜线有多种用法。首先，如果紧接着是一个非字母数字字符，表明取消该字符所代表的特殊涵义。这种将反斜线作为转义字符的用法在字符类内部和外部都可用。比如，如果你希望匹配一个"*"字符，就需要在模式中写为"\*"。这适用于一个字符在不进行转义会有特殊含义的情况下。但是，对于非数字字母的字符，总是在需要其进行原文匹配的时候在它前面增加一个反斜线，来声明它代表自己，这是安全的。如果要匹配一个反斜线，那么... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法4——Unicode字符属性

自从PHP4.4.0和5.1.0，三个额外的转义序列在选用 UTF-8模式时用于匹配通用字符类型。他们是：\p{xx}一个有属性xx的字符\P{xx}一个没有属性xx的字符\X一个扩展的Unicode字符上面 xx 代表的属性名用于限制Unicode通常的类别属性。每个字符都有一个这样的确定的属性，通过两个缩写的字母指定。为了与perl兼容，可以在左花括号{后面增加^表示取反。比如： \p{^Lu} 就等同于 \P{Lu}。如果通过 \... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法5——锚和句点

锚在一个字符类外面，在默认匹配模式下， ^ 是一个断言当前匹配点位于目标字符串开始处的断言。在一个字符类内部， ^ 表明这个字符类中描述的字符取反(详见下文)。^ 并不一定要是模式的第一个字符，但是如果处于某个可选分支时，它应该是该分支的首字符。如果所有选择分支都以 ^ 开头，这就是说，如果模式限制为只匹配目标的开头，它被称为是一个”紧固”模式。(同样也有其他方式可以构造出紧固模式)$ 是用于断言... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法6——字符类(方括号)和可选路径(|)

字符类(方括号)左方括号开始一个字符类的描述，并以方中括号结束。单独的一个右方括号没有特殊含义。如果一个右方括号需要作为一个字符类中的成员,那么可以将它写在字符类的首字符处(如果使用了^取反，那么是第二个)或者使用转义符。一个字符类在目标字符串中匹配一个单独的字符；该字符必须是字符类中定义的字符集合的其中一个,除非使用了^对字符类取反。如果^需要作为一个字符类的成员，确保它不是该字符类的首字符，... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法7——内部选项设置

PCRE_CASELESS, PCRE_MULTILINE, PCRE_DOTALL, PCRE_UNGREEDY,PCRE_EXTRA, PCRE_EXTENDED andPCRE_DUPNAMES等模式修饰符设置可以在模式内部通过一个perl选项字符序列来设置，语法为:(?修饰符)，可用的修饰符有：Internaloptionlettersifor PCRE_CASELESSmfor PCRE_MULTILINEsfor PCRE_DOTALLxfor PCRE_EXTENDEDUfor PCRE_UNGREEDYXfor PCRE_EXTRAJfor PCRE_INFO_JCHANGED比... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法8——子组(子模式)

子组通过圆括号分隔界定，并且它们可以嵌套。将一个模式中的一部分标记为子组(子模式)主要是来做两件事情：将可选分支局部化。比如，模式cat(arcat|erpillar|)匹配”cat”，“cataract”，“caterpillar”中的一个，如果没有圆括号的话，它匹配的则是”cataract”，“erpillar”以及空字符串。将子组设定为捕获子组(向上面定义的).当整个模式匹配后，目标字符串中匹配子组的部分将会通过 pcre_exec()() 的 ovector... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法9——重复/量词

重复次数是通过量词指定的，可以紧跟在下面元素之后：单独的字符,可以是经过转义的元字符。字符类后向引用(参加下一部分)子组(除非它是一个断言)一般的重复量词指定了一个最小数值和一个最大数值的匹配次数，通过花括号包裹两个数字，两个数字之间用逗号隔开的语法定义。两个数值都必须小于65536，并且第一个数字必须小于等于第二个。比如： z{2,4} 匹配”zz”，“zzz”，“zzzz”。单个的右花括号不是特殊字... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法10——后向引用

在一个字符类外面，反斜线紧跟一个大于0(可能还有一位数)的数字就是一个到模式中之前出现的某个捕获组的后向引用。如果紧跟反斜线的数字小于10，它总是一个后向引用，并且如果在模式中没有这么多的捕获组会引发一个错误。换一种说法，被引用的括号不能少于被引用的小于10的数量。查看上面的”反斜线”部分查看具体的数字处理方式。一个后向引用会直接匹配被引用捕获组在目标字符串中实际捕获到的内容，而不是匹配子... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法11——断言

一个断言就是一个对当前匹配位置之前或之后的字符的测试，它不会实际消耗任何字符。简单的断言代码有\b、\B、\A、\Z、\z、^、$等等。更加复杂的断言以子组的方式编码。它有两种类型：前瞻断言(从当前位置向前测试)和后瞻断言(从当前位置向后测试)。一个断言子组的匹配还是通过普通方式进行的，不同在于它不会导致当前的匹配点发生改变。 前瞻断言中的正面断言(断言此匹配为真)以”(?=”开始，消极断言以”(?!”开头... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法12——一次性子组

对于同时有最大值和最小值量词限制的重复项，在匹配失败后，紧接着会以另外一个重复次数重新评估是否能使模式匹配。当模式的作者明确知道执行上没有问题时，通过改变匹配的行为或者使其更早的匹配失败以阻止这种行为是很有用的。考虑一个例子，模式\d+foo应用到目标行 123456bar 时：在匹配了6个数字后匹配”foo”时失败，通常的行为时匹配器尝试使\d+只匹配5个数字，只匹配4个数字，在最终失败之前依次进行... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法13——条件子组

可以使匹配器根据一个断言的结果，或者之前的一个捕获子组是否匹配来条件式的匹配一个子组或者在两个可选子组中选择。条件子组的两种语法如下：(?(condition)yes-pattern)(?(condition)yes-pattern|no-pattern)如果条件满足，使用yes-pattern，其他情况使用no-pattern(如果指定了)。如果有超过2个的可选子组，会产生给一个编译期错误。条件一共有两种。如果在(condition)的括号内是数字组成的文本，条件在该数字... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法14——注释及递归模式

注释字符序列(?#标记开始一个注释直到遇到一个右括号。不允许嵌套括号。注释中的字符不会作为模式的一部分参与匹配。如果设置了 PCRE_EXTENDED 选项，一个字符类外部的未转义的#字符就代表本行剩余部分为注释。递归模式考虑匹配圆括号内字符串的问题，允许无限嵌套括号。如果不使用递归，最好的方式是使用一个模式匹配固定深度的嵌套。它不能处理任意深度的嵌套。perl5.6提供了一个实验性的功能允许正则表达式递归... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式语法15——性能

模式中一些项可能比其他一些更加高效。比如使用[aeiou]这样的字符类会比可选路径(a|e|i|o|u)高效。一般而言，用尽可能简单的构造描述需求是最搞笑的。JeffreyFriedl书(精通正则表达式)中包含了很多关于正则表达式性能的讨论。当一个模式以.*开始并且设置了 PCRE_DOTALL 选项时，模式通过PCRE隐式锚定，因为它可以匹配字符串的开始。然而，如果 PCRE_DOTALL 没有设置，PCRE不能做这个优化，因为.元字符不能匹配... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE正则表达式模式修饰符

下面列出了当前可用的PCRE修饰符。括号中提到的名字是PCRE内部这些修饰符的名称。模式修饰符中的空格，换行符会被忽略，其他字符会导致错误。i (PCRE_CASELESS)如果设置了这个修饰符，模式中的字母会进行大小写不敏感匹配。m (PCRE_MULTILINE)默认情况下，PCRE认为目标字符串是由单行字符组成的(然而实际上它可能会包含多行)，"行首"元字符(^)仅匹配字符串的开始位置，而"行末"元字符($)仅匹配字符串末尾，或... 继续阅读 >

2014
11-07

PHP扩展之文本处理（二）——PCRE与POSIX正则表达式的不同

自PHP5.3.0起， POSIX正则表达式扩展被废弃。在POSIX正则和PCRE正则之间有一些不同，本文列出了在转向PCRE时最显著的需要知道的不同点。PCRE函数需要模式以分隔符闭合。不像POSIX，PCRE扩展没有专门用于大小写不敏感匹配的函数。取而代之的是，支持使用i (PCRE_CASELESS) 模式修饰符完成同样的工作。其他模式修饰符同样可用于改变匹配策略。POSIX函数从最左面开始寻找最长的匹配，但是PCRE在第一个合法匹配后... 继续阅读 >