6.2 正则表达式语法规则

视频讲解：光盘\TM\lx\6\02 正则表达式语法规则．mp4

一个完整的正则表达式由两部分构成，元字符和文本字符。元字符就是具有特殊含义的字符，如前面提到的“*”和“?”。文本字符就是普通的文本，如字母和数字等。PCRE风格的正则表达式一般都放置在定界符“/”中间。如“/\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*/”“/^http:\/\/ (www\.)? .+.? $/”。为了便于读者理解，除了个别实例外，本节中的表达式不给出定界符“/”。

6.2.1 行定位符（^和$）

行定位符就是用来描述字串的边界。“^”表示行的开始；“$”表示行的结尾。如：

        ^tm

该表达式表示要匹配字串tm的开始位置是行头，如tm equal Tomorrow Moon就可以匹配，而Tomorrow Moon equal tm则不匹配。但如果使用

        tm$

则后者可以匹配而前者不能匹配。如果要匹配的字串可以出现在字符串的任意部分，那么可以直接写成

        tm

这样两个字符串就都可以匹配了。

6.2.2 单词分界符（\b、\B）

继续上面的实例，使用tm可以匹配在字符串中出现的任何位置。那么类似html、utmost中的tm也会被查找出来。但现在需要匹配的是单词tm，而不是单词的一部分。这时可以使用单词分界符“\b”，表示要查找的字串为一个完整的单词。如：

        \btm\b

还有一个大写的“\B”，意思和“\b”相反，它匹配的字串不能是一个完整的单词，而是其他单词或字串的一部分。如：

        \Btm\B

说明

关于反斜线的用法，请参考6.2.10节。

6.2.3 字符类（[ ]）

正则表达式是区分大小写的，如果要忽略大小写可使用方括号表达式“[]”。只要匹配的字符出现在方括号内，即可表示匹配成功。但要注意：一个方括号只能匹配一个字符。例如，要匹配的字串tm不区分大小写，那么该表达式应该写作如下格式：

        [Tt][Mm]

这样，即可匹配字串tm的所有写法。POSIX和PCRE都使用了一些预定义字符类，但表示方法略有不同。POSIX风格的预定义字符类如表6.1所示。

表6.1 POSIX预定义字符类

而PCRE的预定义字符类则使用反斜线来表示，请参考6.2.10节。

6.2.4 选择字符（|）

还有一种方法可以实现上面的匹配模式，就是使用选择字符（|）。该字符可以理解为“或”，如上例也可以写成

        (T|t)(M|m)

该表达式的意思是以字母T或t开头，后面接一个字母M或m。

说明

        TM|tm|Tm|tM

6.2.5 连字符（-）

变量的命名规则是只能以字母和下划线开头。但这样一来，如果要使用正则表达式来匹配变量名的第一个字母，要写为

        [a, b, c, d…A, B, C, D…]

这无疑是非常麻烦的，正则表达式提供了连字符“-”来解决这个问题。连字符可以表示字符的范围。如上例可以写成

        [a-zA-Z]

6.2.6 排除字符（[^]）

上面的例子是匹配符合命名规则的变量。现在反过来，匹配不符合命名规则的变量，正则表达式提供了“^”字符。这个元字符在6.2.1节中出现过，表示行的开始。而这里将会放到方括号中，表示排除的意思。例如：

        [^a-zA-Z]

该表达式匹配的就是不以字母和下划线开头的变量名。

6.2.7 限定符（? ＊ + {n, m}）

经常使用Google的用户可能会发现，在搜索结果页的下方，Google中间字母o的个数会随着搜索页的改变而改变。那么要匹配该字串的正则表达式该如何实现呢？

对于这类重复出现字母或字串，可以使用限定符来实现匹配。限定符主要有6种，如表6.2所示。

表6.2 限定符的说明和举例

可以发现，在表6.2中实际已经对字符串进行了匹配，只是还不完善。通过观察发现，当Google搜索结果只有一页时，不显示Google标志，只有大于等于2时，才显示Google。说明字母o最少为两个，最多为20个，那么正则表达式为：

        go{2,20}gle

6.2.8 点号字符（.）

如遇到这样的试题：写出5～10个以s开头、t结尾的单词，这是有很大难度的。如果考题并不告知第一个字母，而是中间任意一个。无疑难度会更大。

在正则表达式中可以通过点号字符（.）来实现这样的匹配。点号字符（.）可以匹配出换行符外的任意一个字符。注意：是除了换行符外的、任意的一个字符。如匹配以s开头、t结尾、中间包含一个字母的单词。格式如下：

        ^s.t$

匹配的单词包括sat、set、sit等。再举一个实例，匹配一个单词，它的第一个字母为r，第3个字母为s，最后一个字母为t。能匹配该单词的正则表达式为：

        ^r.s.＊t$

6.2.9 转义字符（\）

正则表达式中的转义字符（\）和PHP中的大同小异，都是将特殊字符（如“.”“? ”“\”等）变为普通的字符。举一个IP地址的实例，用正则表达式匹配诸如127.0.0.1这样格式的IP地址。如果直接使用点号字符，格式为：

        [0-9]{1,3}(.[0-9]{1,3}){3}

这显然不对，因为“.”可以匹配任意一个字符。这时，不仅是127.0.0.1这样的IP，连127101011这样的字串也会被匹配出来。所以在使用“.”时，需要使用转义字符（\）。修改后上面的正则表达式格式为：

        [0-9]{1,3}(\.[0-9]{1,3}){3}

说明

括号在正则表达式中也算是一个元字符，关于括号的作用请参考6.2.11节。

6.2.10 反斜线（\）

除了可以做转义字符外，反斜线还有其他一些功能。

反斜线可以将一些不可打印的字符显示出来，如表6.3所示。

表6.3 反斜线显示的不可打印字符

还可以指定预定义字符集，如表6.4所示。

表6.4 反斜线指定的预定义字符集

反斜线还有一种功能，就是定义断言，其中已经了解过了“\b”“\B”，其他如表6.5所示。

表6.5 反斜线定义断言的限定符

6.2.11 括号字符（()）

通过6.2.4节的实例，相信读者已经对小括号的作用有了一定的了解。这里，再通过几个实例来巩固一下对小括号字符的印象。

小括号字符的第一个作用就是可以改变限定符的作用范围，如“|”“*”“^”等，来看下面的一个表达式。

        (thir|four)th

这个表达式的意思是匹配单词thirth或fourth，如果不使用小括号，那么就变成了匹配单词thir和fourth了。

小括号的第二个作用是分组，也就是子表达式。如“(\.[0-9]{1,3}){3}”，就是对分组“(\.[0-9]{1,3})”进行重复操作。后面要学到的反向引用和分组有着直接的关系。

6.2.12 反向引用

反向引用，就是依靠子表达式的“记忆”功能来匹配连续出现的字串或字母。如匹配连续两个it，首先将单词it作为分组，然后在后面加上“\1”即可。格式为：

        (it)\1

这就是反向引用最简单的格式。如果要匹配的字串不固定，那么就将括号内的字串写成一个正则表达式。如果使用了多个分组，那么可以用“\1”“\2”来表示每个分组（顺序是从左到右）。如：

        ([a-z])([A-Z])\1\2

除了可以使用数字来表示分组外，还可以自己来指定分组名称。语法格式如下：

        (? P<subname>…)

如果想要反向引用该分组，使用如下语法：

        (? P=subname)

下面来重写一下表达式([a-z])([A-Z])\1\2。为这两个分组分别命名，并反向引用它们。正则表达式如下：

        (? P<fir>[a-z])(? P<sec>[A-Z])(? P=fir)(? P=sec)

反向引用的知识还可以参考6.3.4节。

6.2.13 模式修饰符

模式修饰符的作用是设定模式，也就是规定正则表达式应该如何解释和应用。不同的语言都有自己的模式设置，PHP中的主要模式如表6.6所示。

表6.6 模式修饰符

模式修饰符既可以写在正则表达式的外面，也可以写在表达式内。如忽略大小写模式，可以写为“/tm/i”“(? i)tm(? -i)”“(? i:tm)”3种格式。