php中正则表达式的子模式详解

作者:袖梨 2022-06-24

函数
mixed preg_replace ( mixed pattern, mixed replacement, mixed subject [, int limit])

功能
在 subject 中搜索 pattern 模式的匹配项并替换为 replacement。如果指定了 limit,则仅替换 limit 个匹配,如果省略 limit 或者其值为 -1,则所有的匹配项都会被替换。
replacement可以包含n形式或$n形式的逆向引用,n可以为0到99,n表示匹配pattern第n个子模式的文本,表示匹配整个pattern的文本。

子模式
$pattern参数中被圆括号括起来的正则表达式,子模式的数目即从左到右圆括号的数目。(pattern即模式)

首先,我们先看一段PHP代码:

 代码如下 复制代码

    $time = date ("Y-m-d H:i:s");
    $pattern = "/d{4}-d{2}-d{2} d{2}:d{2}:d{2}/i";
    if(preg_match($pattern,$time,$arr)){
    echo "
";
    print_r($arr);       
    echo "
";
    }
?>

显示结果:

Array
(
    [0] => 2012-06-23 03:08:45
)有没有注意到,显示的结果只有一条数据,即符合匹配模式的时间格式,那如果只有一条记录的话,为什么还要用数组保存呢?直接使用字符串保存不是更好?

带着这个问题,我们来看下正则表达式中的子模式。

在正则表达式中,可以使用“(”和“)”将模式中的子字符串括起来,以形成一个子模式。将子模式视为一个整体时,那么它就相当于一个单个字符。

比如,我们将以上的代码稍微修改下,改成如下:

 

 代码如下 复制代码

    $time = date ("Y-m-d H:i:s");
    $pattern = "/(d{4})-(d{2})-(d{2}) (d{2}):(d{2}):(d{2})/i";
    if(preg_match($pattern,$time,$arr)){
    echo "
";
    print_r($arr);       
    echo "
";
    }
?>

注意:我只修改了$pattern,在匹配模式中,使用了括号()

执行结果:


Array
(
    [0] => 2012-06-23 03:19:23
    [1] => 2012
    [2] => 06
    [3] => 23
    [4] => 03
    [5] => 19
    [6] => 23
)
总结:我们可以使用小括号给整个匹配模式进行分组,默认情况下,每个分组会自动拥有一个组号,规则是,从左到右,以分组的左括号为标志,第一个出现的分组为组号1,第二个为组号2,以此类推。其中,分组0对应整个正则表达式。对整个正则匹配模式进行了分组以后,就可以进一步使用“向后引用”来重复搜索前面的某个分组匹配的文本。例如:1代表分组1匹配的文本,2代表分组2匹配的文本等等我们可以进一步修改下代码,如下所示:

 代码如下 复制代码
    $time = date ("Y-m-d H:i:s");
    $pattern = "/(d{4})-(d{2})-(d{2}) (d{2}):(d{2}):(d{2})/i";
    $replacement = "$time格式为:$0
替换后的格式为:1年2月3日 4时5分6秒";
    print preg_replace($pattern, $replacement, $time);
    if(preg_match($pattern,$time,$arr)){
        echo "
";
        print_r($arr);       
        echo "
";
    }
?>

 

注意:

因为是在双引号中,所以使用分组的时候应该使用两个反斜杠,如:1,而如果在单引号中,则使用一个反斜杠就可以了,如:1
1用于捕获分组一种的内容:2012,6用于捕获分组6中的内容          
执行结果:


$time格式为:2012-06-23 03:30:31
替换后的格式为:2012年06月23日 03时30分31秒
Array
(
    [0] => 2012-06-23 03:30:31
    [1] => 2012
    [2] => 06
    [3] => 23
    [4] => 03
    [5] => 30
    [6] => 31
)

高级正则表达式

  除了 POSIX BRE 和 ERE 之外,libutilitis 还支持与TCL 8.2兼容的高级正则表达式语
  法(ARE)。 通过为 stRegEx 参数增加前缀 "***:" 就可以开启 ARE 模式,这个前缀覆
  盖 bExtended 选项。基本上讲,ARE 是 ERE 的超集。 它在 ERE 的基础上进行了如下几
  项扩展:

  1. 支持"懒惰匹配"(也叫"非贪婪匹配"或"最短匹配"):在 '?', '*', '+' 或 '{m,n}'
     后追加 '?' 符号就可以启用最短匹配,使得该正则表达式子句在满足条件的前提下匹
     配尽可能少的字符(默认是匹配尽可能多的字符)。例如:将 "a.*b" 作用于 "abab"
     时,将匹配整个串("abab"),若使用 "a.*?b",则将只匹配前两个字符("ab")。

  2. 支持子表达式的向前引用匹配:在 stRegEx 中,可以使用 'n' 向前引用曾经定义的
     子表达式。如:"(a.*)1" 可匹配 "abcabc" 等。

  3. 无名子表达式:使用 "(?:表达式)" 的方式创建一个无名表达式, 无名表达式不返回
     到一个 'n' 匹配。

  4. 向前预判:要命中匹配,必须向前满足指定条件。 向前预判分为肯定预判和否定预判
     两种。肯定预判的语法为:"(?=表达式)",例如:"bai.*(?=yang)" 匹配 "bai yang"
     中的前四个字符("bai "),但在匹配时保证字符串在 "bai.*" 后必须包含 "yang".
     否定判断的语法为:"(?!表达式)", 例如:"bai.*(?!yang)" 匹配 "bai shan" 的前
     四个字符,但在匹配是保证字符串在 "bai.*" 后不出现 "yang"。

  5. 支持模式切换前缀,在 "***:" 之后可以紧跟形如 "(?模式串)" 样式的模式串,模式
     串影响其后表达式的语义和行为。模式串可以是一下字符的组合:

     b - 切换至 POSIX BRE 模式,覆盖 bExtended 选项。
     e - 切换至 POSIX ERE 模式,覆盖 bExtended 选项。
     q - 切换至文本字面匹配模式, 表达式中的字符都作为文本进行搜索,取消一切正则
         语义。此模式将正则匹配退化为一次简单字符串查找。"***=" 前缀是其快捷表示
         方式,意即:"***=" 等同于 "***:(?q)"。

     c - 执行大小写敏感的匹配,覆盖 bNoCase 选项。
     i - 执行忽略大小写的匹配,覆盖 bNoCase 选项。

     n - 开启行敏感的匹配:'^' 和 '$' 匹配行首和行尾;'.' 和否定集('[^...]')不
         匹配换行符。此功能等同于 'pw' 模式串。覆盖 bNewLine 选项。
     m - 等同于 'n'。
     p - '^' 和 '$' 只匹配整个字符串的首尾,不匹配行;'.' 和否定集不匹配换行符。
         覆盖 bNewLine 选项。
     w - '^' 和 '$' 匹配行首和行尾;'.' 和否定集匹配换行符。覆盖 bNewLine 选项。
     s - '^' 和 '$' 只匹配整个字符串的首尾,不匹配行;'.' 和否定集匹配换行符。覆
         盖 bNewLine 选项。ARE 状态下默认使用此模式。

     x - 开启扩展模式:在扩展模式中,将忽略表达式中的空白符和注释符 '#' 后的内容
         例如:
         @code@
   (?x)
   s+ ([[:graph:]]+)      # first number
   s+ ([[:graph:]]+)      # second number
         @code@
         等同于 "s+([[:graph:]]+)s+([[:graph:]]+)"。
     t - 关闭扩展模式,不忽略空白符和注释符后的内容。ARE 状态下默认使用此模式。

  6. 与 BRE/ERE 模式不同的 Perl 风格字符类换码序列:

 perl类    等效POSIX表达式   描述
    ----------------------------------------------------------------------------
 a        -                 响铃字符
 A        -                 不论当前模式如何,仅匹配整个串的最开头
 b        -                 退格字符 ('x08')
 B        -                 转义字符本身 ('')
 cX       -                 控制符-X (= X & 037)
 d        [[:digit:]]       10 进制数字 ('0' - '9')
 D        [^[:digit:]]      非数字
 e        -                 退出符 ('x1B')
 f        -                 换页符 ('x0C')
 m        [[:<:]]           单词开始位置
 M        [[:>:]]           单词结束位置
 n        -                 换行符 ('x0A')
 r        -                 回车符 ('x0D')
 s        [[:space:]]       空白符
 S        [^[:space:]]      非空白符
 t        -                 制表符 ('x09')
 uX       -                 16 位 UNICODE 字符 (X∈[0000 .. FFFF])
 UX       -                 32 位 UNICODE 字符 (X∈[00000000 .. FFFFFFFF])
 v        -                 纵向制表符 ('x0B')
 w        [[:alnum:]_]      组成单词的字符
 W        [^[:alnum:]_]     非单词字符
 xX       -                 8 位字符 (X∈[00 .. FF])
 y        -                 单词边界(m 或 M)
 Y        -                 非单词边界
 Z        -                 不论当前模式如何,仅匹配整个串的最尾部
         -                 NULL,空字符
 X        -                 子表达式向前引用 (X∈[1 .. 9])
 XX       -                 子表达式向前引用或 8 进制表示的 8 字符
 XXX      -                 子表达式向前引用或 8 进制表示的 8 字符
 

相关文章

精彩推荐