21.2　正则表达式的语法

仅从概念上了解正则表达式是没有实际作用的，要理解、掌握直至熟练应用正则表达式，还是需要从正则表达式的构成等方面深入了解正则表达式。本节将介绍正则表达式的基本语法，简述如何通过这些语法构建一个正则表达式。本节涉及很多符号以及这些符号的使用规则，有的符号在正则表达式不同的位置所表示的含义完全不同，所以读者需要仔细阅读，用心揣摩。对一些需要重点理解的地方，笔者使用了粗体字加以强调，读者需对这些讲述认真理解。

21.2.1　模式

模式是正则表达式最基本的元素，它们是一组描述字符串特征的字符。模式可以很简单，由普通的字符串组成，也可以非常复杂。模式往往用一些特殊的字符表示某个范围内的字符、字符重复出现次数、字符是否应该出现等。

示例如下。

---

^once

---

^once就是一个模式。这个模式包含一个特殊的字符^，该符号表示该模式只匹配那些以once开头的字符串。例如该模式与字符串“once you begin,you must continue”匹配，与“all at once she lost her temper”不匹配。正如“^”符号表示开头一样，“$”符号用来匹配那些以给定模式结尾的字符串。

例如如下示例。

---

PHP$

---

这个模式与I'm learning PHP匹配，与I'm learning Perl不匹配。字符^和$同时使用时，表示精确匹配（字符串与模式一样）。

例如如下示例。

---

^Python$

---

这个模式只匹配Python本身。如果一个模式不包括^和$，那么它与任何包含该模式的字符串匹配。

例如下面的示例。

---

once

---

这个模式可以匹配“once is enough,never again”、“He stopped playing the piano at once”、“Harry is home from school once again”等字符串，甚至可以匹配“Who kept all of his cash in a bucket。”因为o-n-c-e每个字母本身都出现在了这个字符串当中，它们都是字面字符，并不一定要组合在一起出现在字符串中。

从上述模式的例子中可以看到，符号^、$在正则表达式中有特殊的含义，类似的符号还有很多，在下面的内容中将有更详细的介绍。

21.2.2　元字符

正则表达式是定义了字符串匹配规则的字符串。该字符串是由普通字符（例如字符a到z）以及特殊字符组成的文字模式。普通字符通常包括所有大写和小写字母字符、所有数字、所有标点符号以及一些特殊符号。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。例如，正则表达式Mac*所表达的含义是所有包含Mac并且Mac后跟零个或多个字符的字符串，如Mack、Macintosh以及Mac本身都符合这个正则表达式所定的规则。Mac*中的星号*有其特殊含义，它表示一个或多个字符。

类似星号*这种有特殊含义的字符在正则表达式中还有很多，这样的字符叫做元字符。正则表达式中的元字符有^、$、[]、\、.、|、?、*、+、()。这些字符被保留下来，有其特殊用途。下面就分别介绍这些元字符的用途。

1.位置匹配元字符

·元字符^：用来匹配以指定字符（或字符串）开头的字符串。例如，模式^hell可以匹配hello，hell等，但其不匹配holla。

·美元符号$：用来匹配以指定字符（或字符串）结尾的字符串。例如，ow$可以匹配low、fellow等，这些字符串均以ow结尾。

·英文句点.：用来匹配除\n之外的任何单个字符。例如，要找出3个字母的单词，而且这些单词必须以字母“b”开头，以“s”字母结束。通常可以使用这个通配符——英文句点符号“.”。这样，完整的模式就是“b.s”，这就是一个正则表达式，它可以匹配的3个字母的单词，这些单词可以是“bes”、“bis”、“bos”和“bus”。事实上，这个正则表达式还可以匹配“b3s”、“b#s”甚至“b s”，还有其他许多无实际意义的组合。又如，模式“^.5$”匹配以数字5结尾和以其他非换行字符开头的字符串。模式.可以匹配任何字符串，除了空串和只包含一个换行字符的字符串。

·方括号[]：为了解决句点符号匹配范围过于宽泛的问题，可以方括号“[]”来指定匹配范围，可以在方括号内指定有意义的字符。此时，只有方括号里面指定的字符才参与匹配。也就是说，正则表达式“b[eiou]s”只匹配“bes”、“bis”、“bos”和“bus”。但“bees”不匹配，因为在方括号之内只能匹配单个字符。例如，[a-z]用来匹配所有小写字母，但只能匹配一个字母。注意，通常用符号-连接匹配范围的首尾。

·或操作符号|：可以完成在两项或多项之间选择一个进行匹配。对于上述的例子，如果还想匹配“boos”，那么以使用操作符“|”。操作符“|”的基本意义就是“或”运算，所以，正则表达式“b(a|e|i|o|oo)s”可以匹配“boos”。特别注意，这里不能使用方括号，必须使用圆括号“()”，因为方括号只允许匹配单个字符。圆括号还可以用来分组，后面的小节会有介绍。如果希望在正则表达式中实现类似编程逻辑中的“或”运算，在多个不同的模式中任选一个进行匹配，就可以使用元字符|。

·\：用来转义一个字符。对于一些特殊的符号的匹配，如元字符本身和空格、制表符等，需要用到转义，所有的转义序列都用以\（反斜杠）为前缀。例如，要在正则表达式中匹配元字符$，就需要使用\$，匹配元字符\就要使用\\。关于转义字符更多的内容，将在21.2.3小节介绍。

·()：标记一个子表达式的开始和结束位置，即括住一个表达式。

2.次数匹配元字符

以上介绍的元字符基本可以看作是对字符（或字符串）位置的匹配，下面介绍和匹配次数有关的一些元字符。这些元字符用来确定紧靠该符号左边的符号出现的次数。注意，这里强调了“紧靠左边”这一原则。

·*：匹配其左边（即前面）的子表达式0次或多次。例如，pe*匹配perl、peel、pet、port等，因为这些字符串都符合（即匹配）在字母p后连续出现0个或多个字母e。

·+：匹配其左边（即前面）的子表达式1次或多次，注意，与*不同，+前的字符至少要出现1次，例如，co+匹配come、code、cool、co等，这些字符串都匹配在字母c后至少出现1个或多个字母o。

·?：匹配其左边（即前面）的子表达式0次或1次。

注意　 *、+和?只对紧挨它的前面那个字符起作用。还有其他几种表示法可以限定匹配次数，这些内容将在21.2.5小节介绍。

21.2.3　转义字符

正则表达式中的转义，除了需要对元字符转义之外，还有一些非打印字符在匹配时需要转义。这些字符及其含义见表21-1。

表21-1　非打印字符的转义含义

21.2.4　字符类

PHP的正则表达式有一些内置的通用字符类，可以在正则表达式中直接使用这些字符类，完成对各种字符的匹配，这种字符类的用法相对简单一些。PHP正则表达式通用的字符类包括以下内容。

·[[:alpha:]]：表示匹配任何字母。

·[[:digit:]]：表示匹配任何数字。

·[[:alnum:]]：表示匹配任何字母和数字。

·[[:space:]]：表示匹配任何白字符。

·[[:upper:]]：表示匹配任何大写字母。

·[[:lower:]]：表示匹配任何小写字母。

·[[:punct:]]：表示匹配任何标点符号。

·[[:xdigit:]]：表示匹配任何十六进制的数字，相当于[0-9a-fA-F]。

·[[:blank:]]：表示空格和TAB，等价于[\t]。

·[[:cntrl:]]：表示匹配所有ASCII码值在0～31之间的控制符。

·[[:graph:]]：表示匹配所有的可打印字符，等价于[^\t\n\r\f\v]。

·[[:print:]]：表示匹配所有的可打印字符和空格，等价于[^\t\n\r\f\v]。

例如，^[[:alpha:]]{3}$匹配所有的3个字母的单词。

21.2.5　反义

PHP正则表达式反义匹配主要有以下几种。

·\W：匹配任意不是子母、数字、下划线或汉字的字符。

·\S：匹配任意不是空白符的字符。

·\D：匹配任意非数字的字符。

·\B：匹配不是单词开头或结束的位置，即一个词语的边界，位于\w和\W之间的位置。

例如，\S+匹配不包含空白符的字符串，<a[^>]+>匹配用尖括号括起来的以a开头的字符串。

21.2.6　数量匹配限定符

数量限定符用来指定正则表达式中，一个给定组合必须出现多少次才能满足匹配。在21.2.2小节中介绍元字符时，对一部分匹配限定符有所介绍，它们是*、+、?。本小节将要介绍另外一种匹配限定符，使用这一类限定符也可以完成对字符出现次数的匹配。

使用符号“{}”可以确定其左边（即前面）的内容重复出现的次数。在{}内指定字符出现的次数，通常有3种表示法，如下所述。

·{n}：表示匹配该限定符左边字符n次。例如a{3}，该模式表示匹配连续出现3个a的字符串，它可以匹配aaa、cacaaad、aacoaaao等。

·{n,}：表示匹配该限定符左边字符n次或多次，即至少匹配n次。例如a{3,}，匹配aaa、aaab、caaaaa等，但不匹配aa等。

·{n,m}：表示匹配该限定符左边字符至少n次，但最多不超过m次。例如a{1,3}b，匹配ab、aab、aaab，但不匹配aaaab。

下面把用来匹配字符出现次数的限定符加以总结，使读者对匹配限定符有整体上的认识和把握。这些数量匹配限定符及其含义如表21-2所示。

表21-2　数量匹配限定符及其含义

提示　限定符*、+和?会尽可能多地匹配字符，因此被称作“贪婪”匹配，只要在它们的后面加上一个?，就可以实现所谓的非贪婪或最小匹配。

21.2.7　正则表达式构建实例

本节将综合以上几小节知识，通过对一些正则表达式的构成分析，来进一步理解前文学习到的知识。另外举一些实例，来学习如何创建一个正则表达式。下面先分析几个比较简单的正则表达式。

·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，如a、ab、abbb等。

·ab+：和ab{1,}同义，但最少要有1个b存在，如ab、abbb等。

·ab?：和ab{0,1}同义，可以没有或者只有1个b，如a、ab。

·a?b+$，匹配以1个或者0个a再加上1个以上的b为结尾的字符串，如ab、abb等。

以上几个正则表达式示例只是匹配单一字符，如果想匹配多个字符，可以使用()将需要匹配的字符括住。下面是几个示例正则表达式。

·a(bc)*：匹配a后面跟0个或者1个bc的字符串。如该模式可以匹配a、abc、abcbc等。

而使用中括号括住的内容只能匹配一个字符。例如如下正则表达式。

·[ab]：匹配单个的a或者b，该模式和a│b同义。如匹配a、b。

·[a-d]：匹配a到d的单个字符，该模式和a│b│c│d及[abcd]同义。

下面看几个稍微复杂的正则表达式。

·^[a-zA-Z_]$：匹配所有的只有字母和下划线的字符串。这里之所以在模式开头加上^在模式结尾加上$，是为了匹配只含有字母和下划线的字符串，是因为，如果不加^和$，那么凡是含有字母和下划线的字符串均会被匹配。

·^[a-zA-Z0-9_]{1,}$：匹配所有包含一个以上的字母、数字或下划线的字符串。

·^[0-9]{1,}$：匹配所有正数。

·^\-{0,1}[0-9]{1,}$：匹配所有的整数，含负数，在负号前加转义符号\。

·^\-{0,1}[0-9]{0,}\.{0,1}[0-9]{0,}$：匹配所有小数。