php实用指南2.0 节选-正则举例和解题思路
第十四章 正则实战和常用正则整理
本章将会讲解一些正则解题的技巧和常用正则，部分实例来自网络，不能保证其效率最佳。
例一：验证密码是否符合规则。要求如下：
只能由小写字母、数字和横线（-）组成；2.开头和结尾不允许是横线；3.不允许全部是数字；4.不允许有连续（超过一个）的横线。
下面我们一一解析：
1.只能由小写字母、数字和横线（-）组成这一条很好办，用字符组『[-a-z0-9]』即可解决，注意我们没有用字符组『\w』，因为一般来说『\w』等价于『[a-z0-9_]』，下划线_也可以匹配；在使用正则表达式时准确限定范围、避免错误匹配，是需要谨记的规矩；
2.开头和结尾不容许是横线这也很好办，我们知道，在正则表达式中，字符串的开头位置用『^』表示，结束位置用『$』表示（关于『\A』和『\Z』的情况暂不讨论，因为密码字符串中不可能出现换行符），这两个锚点（anchor）只匹配位置，不匹配任何字符；开头不容许出现横线，也就是说，从开头位置向后，不容许出现横线字符，我们 可以用否定顺序环视（negative lookahead）功能解决。在本例中，它写作『(?!-)』，其中的『(?!…)』是否定顺序环视的标志符，整个结构表示在当前位置之后（也就是右边一位），不容许出现横线字符，把它和表示字符串开头的『^』连在一起，得到『^(?!-)』，就表示“从字符串的开始位置，向右边看，不容许马上出现横线”；类似的，我们在表达式的末尾使用否定逆序环视，正则表达式『(?<!-)$』就表示“从字符串的末尾位置，向左边看，不容许马上 出现横线”；
3.不容许全部是数字这个要求得动点脑筋，有人一看到“不容许全部是数字”，就想到否定型字符组『[^0-9]*』，这其实是不对的。我们仔细想想，“不容许全部是数字”就是 “必须出现至少一个非数字字符”，而第一条要求字符只能是小写字母、数字和横线，那么这个“非数字字符”只能是小写字母，或者横线。这样一来我们就知道 了，在这个正则表达式中，必须出现一个『[-a-z]』匹配的字符；
4.不容许有连续（超过一个）的横线这种“不容许出现某种连续字符”的情况，是正则表达式中最难处理的地方，因为常见的表示“不容许”的功能，就是排除型字符组『[^…]』，于是，遇到“不容许出现两个连续横线”的情况，许多人就想当然地写下『[^--]』，但这其实大错特错——我们需要谨记，字符组的作用只限于单个字符，所以 『[^--]』的意思是“在这个位置，不能匹配横线”。那么要怎么办呢？一般来说有两个办法，我们可以规定，在一个横线字符匹配之后，不容许继续出现横线，还是应用上面说过的否定顺序环视，『-(?!-)』，就保证了匹配了一个横线之后，不容许继续出现横线，如果在每一个可能匹配横线的地方都加上这个限定，“不容许有连续（超过一个）横线”的要求也就满足了；或者我们也可以在整个正则表达式的最开头，使用否定顺序环视『^(?![-a-z0-9]*–)』，因为表达式『[-a-z0-9]*–』会“尽力寻找可能的匹配”，对它加以否定，就保证了整个字符串中绝对不容许出现两个连续的横线。在这个例子中，我们观察第一条要求对应的表达式，发现横线一般是与小写字母和数字同时出现在一个字符组『[-a-z0-9]』中，如果采取上述第一种办法，因为字符组中只能出现对单个字符的规定（而无法使用类似环视之类的结构），『[-(?!-)a-z0-9]』的意思完全不对，所以整个字符组就要改成括号，以多选结构表示为『(-(?!-)|[a-z0-9])』，显得很累赘，所以优选第二种方法。
好了，四条要求已经分别解决完毕，现在我们把它们组合起来。
首先，是开头的『^(?!-)』，这就表示“开头不容许出现横线”，在结尾用『(?<!-)$』，表示“结尾不容许出现横线”；其次，之中的内容都只可能是小写字母、数字和横线，所以用字符组『[-a-z0-9]』，因为长度不确定，所以使用量词『*』，变成『[-a-z0-9]*』；再次，整个正则表达式中必须出现一个非数字字符，也就是必须让『[-a-z]』匹配一个字符，因为这个非数字字符出现的位置不确定，我们不妨把上面的表达 式『[-a-z0-9]*』“切开”，把『[-a-z]』塞进去，得到『[-a-z0-9]*[-a-z][-a-z0-9]*』，这样就保证了“在所有由小写字母、数字和横线构成的字符串中，至少出现了一个非数字字符”；最后，不容许出现两个连续的横线，我们的解决办法是在字符组的最开始位置，添加一个否定顺序环视，也就是『(?![-a-z0-9]*–)』，我们把它与之前的『^(?!-)』合并起来，得到『^(?!(-|[-a-z0-9]*–))』。
所以，整个正则表达式就是这样：
^(?!(-|[-a-z0-9]*--))[-a-z0-9]*[-a-z][-a-z0-9]*(?<!-)$
试着理解：^(?!(-|.*–|.*-$))(?=(.*[-a-z]))[-a-z0-9]*$
例二：处于seo的考虑，要求批量给html字符串中a标签中不包含title属性的标签添加title，而且，其title内容为<a href…>到</a>之间的文本。
$str = preg_replace('%<a((?:(?!title="[^"]+?")[\s\S])+?)>(?:(?<!</a>)[\s\S])+?</a>%im','<a title="\\2" \\1>\\2</a>',$str);
print_r($str);
例三：URLRewrite.为了有利于SEO，把网址呢进行伪静态化处理也是一个很流行的做法。以我本地的一个程序为例。
我要实现list.php?Mode=A这样的一个列表页面重写为list-A.html这样的伪静态，则可以这么做：
配置apache。在httpd.conf里把#LoadModule rewrite_module modules/mod_rewrite.so这一行前面的#去掉，启用rewrite规则。
在对应的<Directory "E:/dev/www/php">配置项下设置AllowOverride All。
在网站目录E:/dev/www/php/new 目录下新建.htaccess文件，输入如下内容：
RewriteEngine on
RewriteRule index.html index.php
RewriteRule list-([A-Z]+)\.html$ list.php?mode=$1
好了，重启apache。现在访问http://127.1/index.html以及http://127.1/list-A.html看看效果吧。关键就在第三句，如果你看了我前面的讲解，应该很快就能悟透了。我在这里只简单地提及一下Rewrite，详细的应用会在服务器篇单独开讲。
例四：MYSQL中使用正则。在mysql中查找表的property字段不含数字的行
mysql> select * from tc0_log where content NOT REGEXP "[[:digit:]]";
尽管这个需求很BT，但是你也可以看到正则有时确实很有用，也很常见。Mysql里正则不支持反向引用，但是可以用replace函数实现部分效果。
例五：递归匹配嵌套括号
$string = "some text (a(b(c)d)e) more text";if(preg_match("/\(([^()]+|(?R))*\)/",$string,$matches)){ echo "<pre>"; print_r($matches); echo "</pre>";}
输出：Array( [0] => (a(b(c)d)e) [1] => e )
上面的正则表达式中的关键点是(?R). (?R)的作用就是递归地替换它所在的整条正则表达式. 在每次迭代时, PHP 语法分析器都会将(?R)替换为”\(([^()]+|(?R))*\)“.
现在来细看一下"/\(([^()]+|(?R))*\)/"是怎样匹配"(a(b(c)d)e)"的:
"(c)"这部分被正则式 "\(([^()]+)*\)" 匹配. 请注意, (c) 其实就相当于整个递归的一个缩影, 麻雀虽小五脏俱全, 因此它用到了整个正则表达式.换言之, 下一步中的(c), 可以使用(?R) 来匹配.
(b(c)d)的匹配过程为: "\("匹配"(";"[^()]+"匹配"b";(?R)匹配"(c)";"[^()]+"匹配"d";"\)"匹配")".
根据上面的匹配原理, 不难理解为什么数组的第2个元素$matches[1]与'e'等价. 子串'e'是在最后一次匹配迭代中被捕获. 匹配过程中, 只有最后一次的捕获结果才会保存到数组中.只需要捕获 $matches[0]，则可以把捕获括号()改为非捕获捕获括号(?:)。或者用固化分组：\((?>[^()]+|(?R))*\)
例六：单词转大写
注意：单词转大写，只是单词的首字母大写。当然了，php有一个ucwords函数可以实现。我们现在用正则实现一个，来学习回调。
匹配结果中的特定内容有时可能会需要某种特别的修改。要应用多重而复杂的修改，正则表达式的回调就有了用武之地。回调是用于函数preg_replace_callback中的动态修改字串的方式。你可以为preg_replace_callback指定某个函数为参数，此函数能接收匹配结果数组为参数，并将数组修改后返回，作为替换的结果。
$str = 'i like you do like this .';
function upper_case( $matches ) {
return strtoupper( $matches[0] );
}
$str=preg_replace_callback( '/\b\w/', 'upper_case', $str);
echo $str;
当然，这里用函数最好，不过此处仅为举例说明回调的使用。
上面的几个例子讲解涉及了大部分正则应用的场景，如果你用点心，还会发现正则更大的应用场景。最后，给出一些常见的正则实现：
Utf-8:[\x01-\x7f]|[\xc0-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}
匹配utf-8编码格式下的中文：[\x80-\xff]{3}或者[\x{4e00}-\x{9fa5}]/u
GB2312 汉字：[\xb0-\xf7][\xa0-\xfe] GB2312全角标点及全角字母：\xa3[\xa1-\xfe]
匹配双字节字符(包括汉字在内)：[^x00-xff]
匹配中文 [^\x00-\x7f]\+（注：中文匹配有时候会存在匹配不完整或无匹配的问题，如果一种方式视线不好，那就换另一种试试。）
注意：正则不支持[chr(128)-chr(191)}这样的语法。
数字格式化成用“,”的货币格式：(?<=\d)(?<!\.\d*)(?=(?:\d{3})+(?:\.\d+|$))
哦，由于笔者太困了，也不赞成伸手主义，也讲了这么多了，其它就靠读者的收集和领悟了。本章和上一章足足花了作者11年元旦假期一个通宵，十多个小时马不停滴的整理，消化与写作。由于时间仓卒，加上篇幅有限，笔者水平也有限，这几章难免有纰漏和错误，欢迎指出。另外一些正则中高级的概念你可以暂时不去理会，我相信只要你认真学完这两章，加上自己的领悟和google，完全可以应付85%以上的正则需求了。
相关资源：
http://blog.csdn.net/lxcnn
http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html
http://www.codeproject.com/KB/dotnet/regextutorial.aspx
http://www.cnxct.com
视频教程：
http://www.boobooke.com/v/bbk3748/【49,50,51,52】共五集
http://iregex.org
http://blog.csdn.net/slavik/archive/2006/09/18/1240386.aspx
余老师即将面世的《正则表达式傻瓜书》这本书很值得期待。
本章将会讲解一些正则解题的技巧和常用正则，部分实例来自网络，不能保证其效率最佳。
例一：验证密码是否符合规则。要求如下：
只能由小写字母、数字和横线（-）组成；2.开头和结尾不允许是横线；3.不允许全部是数字；4.不允许有连续（超过一个）的横线。
下面我们一一解析：
1.只能由小写字母、数字和横线（-）组成这一条很好办，用字符组『[-a-z0-9]』即可解决，注意我们没有用字符组『\w』，因为一般来说『\w』等价于『[a-z0-9_]』，下划线_也可以匹配；在使用正则表达式时准确限定范围、避免错误匹配，是需要谨记的规矩；
2.开头和结尾不容许是横线这也很好办，我们知道，在正则表达式中，字符串的开头位置用『^』表示，结束位置用『$』表示（关于『\A』和『\Z』的情况暂不讨论，因为密码字符串中不可能出现换行符），这两个锚点（anchor）只匹配位置，不匹配任何字符；开头不容许出现横线，也就是说，从开头位置向后，不容许出现横线字符，我们 可以用否定顺序环视（negative lookahead）功能解决。在本例中，它写作『(?!-)』，其中的『(?!…)』是否定顺序环视的标志符，整个结构表示在当前位置之后（也就是右边一位），不容许出现横线字符，把它和表示字符串开头的『^』连在一起，得到『^(?!-)』，就表示“从字符串的开始位置，向右边看，不容许马上出现横线”；类似的，我们在表达式的末尾使用否定逆序环视，正则表达式『(?<!-)$』就表示“从字符串的末尾位置，向左边看，不容许马上 出现横线”；
3.不容许全部是数字这个要求得动点脑筋，有人一看到“不容许全部是数字”，就想到否定型字符组『[^0-9]*』，这其实是不对的。我们仔细想想，“不容许全部是数字”就是 “必须出现至少一个非数字字符”，而第一条要求字符只能是小写字母、数字和横线，那么这个“非数字字符”只能是小写字母，或者横线。这样一来我们就知道 了，在这个正则表达式中，必须出现一个『[-a-z]』匹配的字符；
4.不容许有连续（超过一个）的横线这种“不容许出现某种连续字符”的情况，是正则表达式中最难处理的地方，因为常见的表示“不容许”的功能，就是排除型字符组『[^…]』，于是，遇到“不容许出现两个连续横线”的情况，许多人就想当然地写下『[^--]』，但这其实大错特错——我们需要谨记，字符组的作用只限于单个字符，所以 『[^--]』的意思是“在这个位置，不能匹配横线”。那么要怎么办呢？一般来说有两个办法，我们可以规定，在一个横线字符匹配之后，不容许继续出现横线，还是应用上面说过的否定顺序环视，『-(?!-)』，就保证了匹配了一个横线之后，不容许继续出现横线，如果在每一个可能匹配横线的地方都加上这个限定，“不容许有连续（超过一个）横线”的要求也就满足了；或者我们也可以在整个正则表达式的最开头，使用否定顺序环视『^(?![-a-z0-9]*–)』，因为表达式『[-a-z0-9]*–』会“尽力寻找可能的匹配”，对它加以否定，就保证了整个字符串中绝对不容许出现两个连续的横线。在这个例子中，我们观察第一条要求对应的表达式，发现横线一般是与小写字母和数字同时出现在一个字符组『[-a-z0-9]』中，如果采取上述第一种办法，因为字符组中只能出现对单个字符的规定（而无法使用类似环视之类的结构），『[-(?!-)a-z0-9]』的意思完全不对，所以整个字符组就要改成括号，以多选结构表示为『(-(?!-)|[a-z0-9])』，显得很累赘，所以优选第二种方法。
好了，四条要求已经分别解决完毕，现在我们把它们组合起来。
首先，是开头的『^(?!-)』，这就表示“开头不容许出现横线”，在结尾用『(?<!-)$』，表示“结尾不容许出现横线”；其次，之中的内容都只可能是小写字母、数字和横线，所以用字符组『[-a-z0-9]』，因为长度不确定，所以使用量词『*』，变成『[-a-z0-9]*』；再次，整个正则表达式中必须出现一个非数字字符，也就是必须让『[-a-z]』匹配一个字符，因为这个非数字字符出现的位置不确定，我们不妨把上面的表达 式『[-a-z0-9]*』“切开”，把『[-a-z]』塞进去，得到『[-a-z0-9]*[-a-z][-a-z0-9]*』，这样就保证了“在所有由小写字母、数字和横线构成的字符串中，至少出现了一个非数字字符”；最后，不容许出现两个连续的横线，我们的解决办法是在字符组的最开始位置，添加一个否定顺序环视，也就是『(?![-a-z0-9]*–)』，我们把它与之前的『^(?!-)』合并起来，得到『^(?!(-|[-a-z0-9]*–))』。
所以，整个正则表达式就是这样：
^(?!(-|[-a-z0-9]*--))[-a-z0-9]*[-a-z][-a-z0-9]*(?<!-)$
试着理解：^(?!(-|.*–|.*-$))(?=(.*[-a-z]))[-a-z0-9]*$
例二：处于seo的考虑，要求批量给html字符串中a标签中不包含title属性的标签添加title，而且，其title内容为<a href…>到</a>之间的文本。
$str = preg_replace('%<a((?:(?!title="[^"]+?")[\s\S])+?)>(?:(?<!</a>)[\s\S])+?</a>%im','<a title="\\2" \\1>\\2</a>',$str);
print_r($str);
例三：URLRewrite.为了有利于SEO，把网址呢进行伪静态化处理也是一个很流行的做法。以我本地的一个程序为例。
我要实现list.php?Mode=A这样的一个列表页面重写为list-A.html这样的伪静态，则可以这么做：
配置apache。在httpd.conf里把#LoadModule rewrite_module modules/mod_rewrite.so这一行前面的#去掉，启用rewrite规则。
在对应的<Directory "E:/dev/www/php">配置项下设置AllowOverride All。
在网站目录E:/dev/www/php/new 目录下新建.htaccess文件，输入如下内容：
RewriteEngine on
RewriteRule index.html index.php
RewriteRule list-([A-Z]+)\.html$ list.php?mode=$1
好了，重启apache。现在访问http://127.1/index.html以及http://127.1/list-A.html看看效果吧。关键就在第三句，如果你看了我前面的讲解，应该很快就能悟透了。我在这里只简单地提及一下Rewrite，详细的应用会在服务器篇单独开讲。
例四：MYSQL中使用正则。在mysql中查找表的property字段不含数字的行
mysql> select * from tc0_log where content NOT REGEXP "[[:digit:]]";
尽管这个需求很BT，但是你也可以看到正则有时确实很有用，也很常见。Mysql里正则不支持反向引用，但是可以用replace函数实现部分效果。
例五：递归匹配嵌套括号
$string = "some text (a(b(c)d)e) more text";if(preg_match("/\(([^()]+|(?R))*\)/",$string,$matches)){ echo "<pre>"; print_r($matches); echo "</pre>";}
输出：Array( [0] => (a(b(c)d)e) [1] => e )
上面的正则表达式中的关键点是(?R). (?R)的作用就是递归地替换它所在的整条正则表达式. 在每次迭代时, PHP 语法分析器都会将(?R)替换为”\(([^()]+|(?R))*\)“.
现在来细看一下"/\(([^()]+|(?R))*\)/"是怎样匹配"(a(b(c)d)e)"的:
"(c)"这部分被正则式 "\(([^()]+)*\)" 匹配. 请注意, (c) 其实就相当于整个递归的一个缩影, 麻雀虽小五脏俱全, 因此它用到了整个正则表达式.换言之, 下一步中的(c), 可以使用(?R) 来匹配.
(b(c)d)的匹配过程为: "\("匹配"(";"[^()]+"匹配"b";(?R)匹配"(c)";"[^()]+"匹配"d";"\)"匹配")".
根据上面的匹配原理, 不难理解为什么数组的第2个元素$matches[1]与'e'等价. 子串'e'是在最后一次匹配迭代中被捕获. 匹配过程中, 只有最后一次的捕获结果才会保存到数组中.只需要捕获 $matches[0]，则可以把捕获括号()改为非捕获捕获括号(?:)。或者用固化分组：\((?>[^()]+|(?R))*\)
例六：单词转大写
注意：单词转大写，只是单词的首字母大写。当然了，php有一个ucwords函数可以实现。我们现在用正则实现一个，来学习回调。
匹配结果中的特定内容有时可能会需要某种特别的修改。要应用多重而复杂的修改，正则表达式的回调就有了用武之地。回调是用于函数preg_replace_callback中的动态修改字串的方式。你可以为preg_replace_callback指定某个函数为参数，此函数能接收匹配结果数组为参数，并将数组修改后返回，作为替换的结果。
$str = 'i like you do like this .';
function upper_case( $matches ) {
return strtoupper( $matches[0] );
}
$str=preg_replace_callback( '/\b\w/', 'upper_case', $str);
echo $str;
当然，这里用函数最好，不过此处仅为举例说明回调的使用。
上面的几个例子讲解涉及了大部分正则应用的场景，如果你用点心，还会发现正则更大的应用场景。最后，给出一些常见的正则实现：
Utf-8:[\x01-\x7f]|[\xc0-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}
匹配utf-8编码格式下的中文：[\x80-\xff]{3}或者[\x{4e00}-\x{9fa5}]/u
GB2312 汉字：[\xb0-\xf7][\xa0-\xfe] GB2312全角标点及全角字母：\xa3[\xa1-\xfe]
匹配双字节字符(包括汉字在内)：[^x00-xff]
匹配中文 [^\x00-\x7f]\+（注：中文匹配有时候会存在匹配不完整或无匹配的问题，如果一种方式视线不好，那就换另一种试试。）
注意：正则不支持[chr(128)-chr(191)}这样的语法。
数字格式化成用“,”的货币格式：(?<=\d)(?<!\.\d*)(?=(?:\d{3})+(?:\.\d+|$))
哦，由于笔者太困了，也不赞成伸手主义，也讲了这么多了，其它就靠读者的收集和领悟了。本章和上一章足足花了作者11年元旦假期一个通宵，十多个小时马不停滴的整理，消化与写作。由于时间仓卒，加上篇幅有限，笔者水平也有限，这几章难免有纰漏和错误，欢迎指出。另外一些正则中高级的概念你可以暂时不去理会，我相信只要你认真学完这两章，加上自己的领悟和google，完全可以应付85%以上的正则需求了。
相关资源：
http://blog.csdn.net/lxcnn
http://www.cnblogs.com/deerchao/archive/2006/08/24/zhengzhe30fengzhongjiaocheng.html
http://www.codeproject.com/KB/dotnet/regextutorial.aspx
http://www.cnxct.com
视频教程：
http://www.boobooke.com/v/bbk3748/【49,50,51,52】共五集
http://iregex.org
http://blog.csdn.net/slavik/archive/2006/09/18/1240386.aspx
余老师即将面世的《正则表达式傻瓜书》这本书很值得期待。
不错，正好解决了我之前正则迷糊的地方 3Q