PHP正则表达式及实例

黄振国

原文地址：http://justcoding.iteye.com/blog/730513

对于开发人员来说，正则表达式是一个非常有用的功能。它提供了 查找，匹配，替换 句子，单词，或者其他格式的字符串。在这篇文章里，我已经编写了15个贼拉有用的正则表达式，WEB开发人员都应该将它收藏到自己的工具包。

开始使用正则表达式

对初学者来说，正则 看起来很难学习和使用。事实上他们并非你想想的那么难，在我们深入掌握正则之前，先迅速看看这些入门基础：

正则表达式语法
正则表达式     将会匹配

Java代码  [url=][/url]

• foo ——————字符串“foo”  
• ^foo ——————以“foo”开头的字符串  
• foo$ ——————以“foo”结尾的字符串  
• ^foo$ ——————“foo”开头和结尾，（只能是他自己 ）  
• [abc]—————— a 或者b 或者c  
• [a-z] —————— a到z之间任意字母  
• [^A-Z]——————除了 A-Z这些之外的字符  
• (gif|jpg)——————“gif”或者 “jpeg”  
• [a-z]+—————— 一个或者多个 a到z之间任意字母  
• [0-9.-]—————— 0-9之间任意数字，或者 点 或者 横线  
• ^[a-zA-Z0-9_]{1,}$—————— 至少一个字母数字下划线  
• ([wx])([yz])—————— wy或wz或xy或xz  
• [^A-Za-z0-9]—————— 字符数字之外的字符  
• ([A-Z]{3}|[0-9]{4})—————— 三个大写字母或者4个数字  
  

Php代码  [url=][/url]

• \ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。  
• ^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 '\n' 或 '\r' 之后的位置。  
• $ 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 '\n' 或 '\r' 之前的位置。  
• * 匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。  
• + 匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。  
• ? 匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。  
• {n} n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。  
• {n,} n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。  
• {n,m} m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。  
• ? 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。  
• . 匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。  
• (pattern) 匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '\(' 或 '\)'。  
• (?:pattern) 匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。  
• (?=pattern) 正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。  
• (?!pattern) 负向预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始  
• x|y 匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。  
• [xyz] 字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。  
• [^xyz] 负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。  
• [a-z] 字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。  
• [^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。  
• \b 匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。  
• \B 匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。  
• \cx 匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。  
• \d 匹配一个数字字符。等价于 [0-9]。  
• \D 匹配一个非数字字符。等价于 [^0-9]。  
• \f 匹配一个换页符。等价于 \x0c 和 \cL。  
• \n 匹配一个换行符。等价于 \x0a 和 \cJ。  
• \r 匹配一个回车符。等价于 \x0d 和 \cM。  
• \s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。  
• \S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。  
• \t 匹配一个制表符。等价于 \x09 和 \cI。  
• \v 匹配一个垂直制表符。等价于 \x0b 和 \cK。  
• \w 匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。  
• \W 匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。  
• \xn 匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。.  
• \num 匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。  
• \n 标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。  
• \nm 标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。  
• \nml 如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。  
• \un 匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。  
  

    常用的正则表达式
    1、非负整数：”^\d+$”

    2、正整数：”^[0-9]*[1-9][0-9]*$”

    3、非正整数：”^((-\d+)|(0+))$”

    4、负整数：”^-[0-9]*[1-9][0-9]*$”

    5、整数：”^-?\d+$”

    6、非负浮点数：”^\d+(\.\d+)?$”

7、正浮点数：”^((0-9)+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$”

    8、非正浮点数：”^((-\d+\.\d+)?)|(0+(\.0+)?))$”

    9、负浮点数：”^(-((正浮点数正则式)))$”

    10、英文字符串：”^[A-Za-z]+$”

    11、英文大写串：”^[A-Z]+$”

    12、英文小写串：”^[a-z]+$”

    13、英文字符数字串：”^[A-Za-z0-9]+$”

    14、英数字加下划线串：”^\w+$”

    15、E-mail地址：”^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$”

    16、URL：”^[a-zA-Z]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\s*)?$”

php 正则表达式的方法

方法描述：

Html代码  [url=][/url]

• preg_match() 该函数preg_match按照模式去匹配字符串，如果符合则返回TRUE，否则返回FALSE  
• preg_match_all() 该函数 preg_match_all() 在字符串中匹配出全部符合模式的字符串.  
•   
• * preg_match() 返回 pattern 所匹配的次数。要么是 0 次（没有匹配）或 1 次，因为 preg_match() 在第一次匹配之后将停止搜索。  
• * http://www.yesky.com/imagesnew/s ... ion.preg-match.html  
•   
• * preg_match_all() 则相反，会一直搜索到 subject 的结尾处。如果出错 preg_match() 返回 FALSE。  
• * http://www.yesky.com/imagesnew/s ... preg-match-all.html  
•   
•   
• preg_replace()  该函数与ereg_replace()类似，不同在于它利用匹配的模式去替换输入的参数  
• http://www.yesky.com/imagesnew/s ... on.preg-replace.htm  
•   
• preg_split() 该函数与split()类似 不同在于它将与正则表达式匹配的字符当做分割的模式  
• http://www.yesky.com/imagesnew/s ... ion.preg-split.html  
•   
• preg_grep() 该函数preg_grep() 匹配数组中全部元素，返回符合正则表达式的元素组成的数组  
•   
• preg_quote() 转义正则表达式字符  
  

验证域名
检验一个字符串是否是个有效域名.

Php代码  [url=][/url]

• $url = "http://komunitasweb.com/";  
• if (preg_match('/^(http|https|ftp)://([A-Z0-9][A-Z0-9_-]*(?:.[A-Z0-9][A-Z0-9_-]*)+):?(d+)?/?/i', $url)) {  
•     echo "Your url is ok.";  
• } else {  
•     echo "Wrong url.";  
• }  
  

从一个字符串中 突出某个单词
这是一个非常有用的在一个字符串中匹配出某个单词 并且突出它，非常有效的搜索结果

Php代码  [url=][/url]

• $text = "Sample sentence from KomunitasWeb, regex has become popular in web programming. Now we learn regex. According to wikipedia, Regular expressions (abbreviated as regex or  
•   
• regexp, with plural forms regexes, regexps, or regexen) are written in a formal language that can be interpreted by a regular expression processor";  
• $text = preg_replace("/b(regex)b/i", '<span style="background:#5fc9f6">1</span>', $text);  
• echo $text;  
  

突出查询结果在你的 WordPress 博客里就像刚才我说的，上面的那段代码可以很方便的搜索出结果，而这里是一个更好的方式去执行搜索在某个WordPress的博客上打开你的文件 search.php ，然后找到 方法 the_title() 然后用下面代码替换掉它

Php代码  [url=][/url]

• echo $title;  
•   
• Now, just before the modified line, add this code:  
•   
• <?php  
•     $title     = get_the_title();  
•     $keys= explode(" ",$s);  
•     $title     = preg_replace('/('.implode('|', $keys) .')/iu',  
•         '<strong>\0</strong>',  
•         $title);  
• ?>  
•   
• Save the search.php file and open style.css. Append the following line to it:  
•   
• strong.search-excerpt { background: yellow; }  
  

从HTML文档中获得全部图片
如果你曾经希望去获得某个网页上的全部图片，这段代码就是你需要的，你可以轻松的建立一个图片下载机器人

Php代码  [url=][/url]

• $images = array();  
• preg_match_all('/(img|src)=("|')[^"'>]+/i', $data, $media);  
• unset($data);  
• $data=preg_replace('/(img|src)("|'|="|=')(.*)/i',"$3",$media[0]);  
• foreach($data as $url)  
• {  
•     $info = pathinfo($url);  
•     if (isset($info['extension']))  
•     {  
•         if (($info['extension'] == 'jpg') ||  
•         ($info['extension'] == 'jpeg') ||  
•         ($info['extension'] == 'gif') ||  
•         ($info['extension'] == 'png'))  
•         array_push($images, $url);  
•     }  
• }  
  

删除重复字母
经常重复输入字母? 这个表达式正适合.

Php代码  [url=][/url]

• $text = preg_replace("/s(w+s)1/i", "$1", $text);   
  

删除重复的标点
功能同上，但只是面对标点，白白重复的逗号

Php代码  [url=][/url]

• $text = preg_replace("/.+/i", ".", $text);  
  

匹配一个XML或者HTML标签
这个简单的函数有两个参数：第一个是你要匹配的标签，第二个是包含XML或HTML的变量，再强调下，这个真的很强大

Php代码  [url=][/url]

• function get_tag( $tag, $xml ) {  
•   $tag = preg_quote($tag);  
•   preg_match_all('{<'.$tag.'[^>]*>(.*?)</'.$tag.'>.'}',  
•                    $xml,  
•                    $matches,  
•                    PREG_PATTERN_ORDER);  
•   
•   return $matches[1];  
• }  
  

匹配具有属性值的XML或者HTML标签
这个功能和上面的非常相似，但是它允许你匹配的标签内部有属性值，例如你可以轻松匹配 <div id=”header”>

Php代码  [url=][/url]

• function get_tag( $attr, $value, $xml, $tag=null ) {  
•   if( is_null($tag) )  
•     $tag = '\w+';  
•   else  
•     $tag = preg_quote($tag);  
•   
•   $attr = preg_quote($attr);  
•   $value = preg_quote($value);  
•   
•   $tag_regex = "/<(".$tag.")[^>]*$attr\s*=\s*".  
•                 "(['\"])$value\\2[^>]*>(.*?)<\/\\1>/"  
•   
•   preg_match_all($tag_regex,  
•                  $xml,  
•                  $matches,  
•                  PREG_PATTERN_ORDER);  
•   
•   return $matches[3];  
• }  
  

匹配十六进制颜色值
web开发者的另一个有趣的工具，它允许你匹配和验证十六进制颜色值.

Php代码  [url=][/url]

• $string = "#555555";  
• if (preg_match('/^#(?:(?:[a-fd]{3}){1,2})$/i', $string)) {  
• echo "example 6 successful.";  
• }  
  

查找页面 title
这段代码方便查找和打印 网页 <title> 和</title> 之间的内容

Php代码  [url=][/url]

• $fp = fopen("http://www.catswhocode.com/blog","r");  
• while (!feof($fp) ){  
•     $page .= fgets($fp, 4096);  
• }  
•   
• $titre = eregi("<title>(.*)</title>",$page,$regs);  
• echo $regs[1];  
• fclose($fp);  
  

解释 Apache 日志
大多数网站使用的都是著名的Apache服务器，如果你的网站也是，那么使用PHP正则表达式解析 apache 服务器日志 怎么样？

Php代码  [url=][/url]

• //Logs: Apache web server  
• //Successful hits to HTML files only.  Useful for counting the number of page views.  
• '^((?#client IP or domain name)S+)s+((?#basic authentication)S+s+S+)s+[((?#date and time)[^]]+)]s+"(?:GET|POST|HEAD) ((?#file)/[^ ?"]+?.html?)??((?#parameters)[^ ?"]+)? HTTP/[0-9.]+"s+(?#status code)200s+((?#bytes transferred)[-0-9]+)s+"((?#referrer)[^"]*)"s+"((?#user agent)[^"]*)"$'  
•   
• //Logs: Apache web server  
• //404 errors only  
• '^((?#client IP or domain name)S+)s+((?#basic authentication)S+s+S+)s+[((?#date and time)[^]]+)]s+"(?:GET|POST|HEAD) ((?#file)[^ ?"]+)??((?#parameters)[^ ?"]+)? HTTP/[0-9.]+"s+(?#status code)404s+((?#bytes transferred)[-0-9]+)s+"((?#referrer)[^"]*)"s+"((?#user agent)[^"]*)"$'  
  

使用智能引号代替双引号
如果你是一个印刷爱好者，你将喜欢这个允许用智能引号代替双引号的正则表达式，这个正则被WORDPRESS在其内容上使用

Php代码  [url=][/url]

• preg_replace('B"b([^"x84x93x94rn]+)b"B', '?1?', $text);  
  

检验密码的复杂度
这个正则表达式将检测输入的内容是否包含6个或更多字母，数字，下划线和连字符. 输入必须包含至少一个大写字母，一个小写字母和一个数字

Php代码  [url=][/url]

• 'A(?=[-_a-zA-Z0-9]*?[A-Z])(?=[-_a-zA-Z0-9]*?[a-z])(?=[-_a-zA-Z0-9]*?[0-9])[-_a-zA-Z0-9]{6,}z'  
  

WordPress: 使用正则获得 帖子上的图片
我知道很多人是WORDPRESS的使用者，你可能会喜欢并且愿意使用 那些从帖子的内容检索下来的图像代码。使用这个代码在你的BLOG只需要复制下面代码到你的某个文件里

Php代码  [url=][/url]

• <?php if (have_posts()) : ?>  
• <?php while (have_posts()) : the_post(); ?>  
•   
• <?php  
• $szPostContent = $post->post_content;  
• $szSearchPattern = '~<img [^>]* />~';  
•   
• // Run preg_match_all to grab all the images and save the results in $aPics  
• preg_match_all( $szSearchPattern, $szPostContent, $aPics );  
•   
• // Check to see if we have at least 1 image  
• $iNumberOfPics = count($aPics[0]);  
•   
• if ( $iNumberOfPics > 0 ) {  
•      // Now here you would do whatever you need to do with the images  
•      // For this example the images are just displayed  
•      for ( $i=0; $i < $iNumberOfPics ; $i++ ) {  
•           echo $aPics[0][$i];  
•      };  
• };  
•   
• endwhile;  
• endif;  
• ?>  
  

自动生成笑脸图案
被WordPress使用的另一个方法, 这段代码可使你把图像自动更换一个笑脸符号

Php代码  [url=][/url]

• $texte='A text with a smiley  ';  
• echo str_replace(':-)','<img src="smileys/souriant.png">',$texte);  
  

移除图片的链接

Php代码  [url=][/url]

• <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />  
• <?php  
•     $str = '  
•         <a href="http://www.5idev.com/">5idev</a>其他字符  
•         <a href="http://www.sohu.com/">sohu</a>  
•         <a href="http://www.sohu.com/"><img src="http://www.fashion-press.net/img/news/3176/mot_06.jpg" /></a>  
•         <br>';  
•   
•   
•     //echo  preg_replace("/(<a.*?>)(<img.*?>)(<\/a>)/", '$2', $str);   
•     echo  preg_replace("/(<a.*?>)(<img.*?>)(<\/a>)/", '\2', $str);   
• ?>  
  

PHP 常用正则表达式整理表单验证匹配

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

• 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。
• 以上正则表达式仅供参考，使用时请检验后再使用