原作者：Mitchell Harper  翻譯：iwind
原文：http://www.devarticles.com/c/a/PHP/PHP-and-Regular-Expressions-101



一個正則表達式是一個特定的格式化模式，可以用來找出一個字符串在另一個字符串中的使用情況。幾個編程語言，包括Visual Basic,Perl,JavaScript和PHP都支持正則表達式，希望在這篇入門指導的結束，Mitchell(作者自己)可以讓你在PHP程序中能應用一些基本的正則表達式。正則表達式是在各種各樣的程序語言中突出的古怪特征中的一種，但是由于它們看起來是很難的一個概念，所以很多開發(fā)者就把它們放到了角落里，忘記了它們的存在。


讓我們先來看看什么是正則表達式，為什么你要在PHP程序中用到它們。

什么是正則表達式?

你對從一個不錯的老的基于控制的文本編輯器中分離出像BBEdit和notepad的程序，有什么看法呢？兩個都支持文本輸入，可以讓你保存文本到文件中，但是現(xiàn)在的文本編輯器也支持其它功能，包括查找–代替工具，這讓編輯一個文本文件相當容易。
     正則表達式也是相似的，只是更好一些。正則表達式可以被認為一個極其高級的查找-替換工具，讓我們從痛苦中擺脫出來：不必再寫定制的數(shù)據(jù)確認例子來檢查電子郵件地址或者來確認電話號碼的格式是正確的，如此等等。
     任何程序中最普通的函數(shù)之一就是數(shù)據(jù)有效性檢查，PHP捆綁了一些文本檢查函數(shù)，允許我們用正則表達式匹配一個字符串，確認有一個空格，有一個問號，等等。
     你不知道的可能是，正則表達式可以簡單裝備嗎，當你掌握了一些正則表達式時(這個正則表達式可以用來告訴正則表達式引擎一個字符串中我們想要匹配的部分)，你會自問為什么會把正則表達式扔到角落里這么久，^_^。
     PHP有兩套函數(shù)，用來處理兩種類型的正則表達式:Perl5兼容模式，和Posix標準兼容模式。在這篇文章中我們將看看ereg函數(shù)，用遵照Posix標準的搜索表達式工作。雖然它們并沒有Perl5模式那樣強大，但是一種不錯的學習正則表達式的方法。如果你對PHP支持的Perl5兼容正則表達式感興趣，可以到PHP.net網(wǎng)站找一些關于preg函數(shù)的細節(jié)。
     PHP有六個函數(shù)來處理正則表達式，它們都把一個正則表達式作為它們的第一個參數(shù)，列出如下：

ereg: 最常用的正則表達式函數(shù), ereg 允許我們搜索跟一個正則表達式匹配的一個字符串.
ereg_replace: 允許我們搜索跟正則表達式匹配的一個字符串，并用新的字符串代替所有這個表達式出現(xiàn)的地方。
eregi: 和ereg幾乎是一樣效果，不過忽略大小寫。
eregi_replace: 和ereg_replace有著一樣的搜索-替換功能，不過忽略大小寫.
split: 允許我們搜索和正則表達式匹配的字符串，并且以字符串集合的方式返回匹配結果.
spliti: split函數(shù)忽略大小寫的版本.
為什么使用正則表達式?

       如果你不斷地建立不同的函數(shù)來檢查或者操作字符串的一部分，現(xiàn)在你可能要放棄所有的這些函數(shù)，取而代之的用正則表達式。如果你對下列的問題都答“是的”，那么你肯定要考慮使用正則表達式了：

你是否正在寫一些定制的函數(shù)來檢查表單數(shù)據(jù)（比如在電子信箱地址中的一個@，一個點）?
你是否寫一些定制的函數(shù)，在一個字符串中循環(huán)每個字符，如果這個字符匹配了一個特定特征（比如它是大寫的，或者它是一個空格），那么就替換它?
      除了是令人不舒服的字符串檢查和操作方法，如果沒有有效率地寫代碼，上述的兩條也會使你的程序慢下來。你是否更傾向于用下面的代碼檢查一個電子信箱地址呢:

<?php
function validateEmail($email)
{
      $hasAtSymbol = strpos($email, "@");
      $hasDot = strpos($email, ".");
      if($hasAtSymbol && $hasDot)
         return true;
      else
         return false;
}
echo validateEmail("mitchell@devarticles.com");
?>
... 或者使用下面的代碼:

<?php
function validateEmail($email)
{
    return ereg("^[a-zA-Z]+@[a-zA-Z]+\.[a-zA-Z]+$", $email);
}
echo validateEmail("mitchell@devarticles.com");
?>

    可以肯定的是，第一個函數(shù)比較容易，而且看起來結構也不錯。但是如果我們用上面的下一個版本的email地址檢查函數(shù)不是更容易嗎？

    上面展示的第二個函數(shù)只用了正則表達式，包括了對ereg函數(shù)的一個調(diào)用。Ereg 函數(shù)返回true或者false,來聲明它的字符串參數(shù)是否和正則表達式相匹配。

很多編程者避開正則表達式，只因為它們（在一些情況下）比其它的文本處理方法更慢。正則表達式可能慢的原因是因為它們涉及把字符串在內(nèi)存中拷貝和粘貼，因為正則表達式的每一個新的部分都對應匹配一個字符串。但是，從我對正則表達式的經(jīng)驗來說，除非你在文本中幾百個行運行一個復雜的正則表達式，否則性能上的缺陷都可以忽略不計，當把正則表達式作為輸入數(shù)據(jù)檢查工具時，也很少出現(xiàn)這種情況。





正則表達式語法
在你可以匹配一個字符串到正則表達式之前，你必須先建立正則表達式。開始的時候，正則表達式的語法有點古怪，表達式中的每一個短語代表某個類型的搜索特征。下列是一些最普通的正則表達式，也都對應著一個如何使用它的例子:

字符串頭部
搜索一個字符串的頭部，用^,例如

<?php echo ereg("^hello", "hello world!"); ?>
將返回 true, 但是
<?php echo ereg("^hello", "i say hello world"); ?>
將返回 false, 因為hello不在字符串”I say hello world”的頭部。
字符串尾部

搜索字符串尾部，用$,例如：
<?php echo ereg("bye$", "goodbye"); ?>
將返回true, 但是
<?php echo ereg("bye$", "goodbye my friend"); ?>
將返回 false,因為bye不在字符串”goodbye my friend”的尾部.

任意的單個字符
搜索任意字符，用點(.),例如：
<?php echo ereg(".", "cat"); ?>
將返回true,但是
<?php echo ereg(".", ""); ?>
將返回false,因為我們的要搜索字符串沒有包含字符。你可以用花括號隨意告訴正則表達式引擎它要匹配多少個單個字符。如果我只想匹配5個字符，我可以這樣用ereg:
<?php echo ereg(".{5}$", "12345"); ?>
上面的這段代碼告訴正則表達式引擎當且僅當至少5個連續(xù)的字符出現(xiàn)字符串的尾部時返回true.我們也可以限制連續(xù)出現(xiàn)的字符的數(shù)目：
<?php echo ereg("a{1,3}$", "aaa"); ?>
在上面的例子里，我們已經(jīng)告訴正則表達式引擎，我們的搜索字符串來匹配表達式，它在尾部必須有介于1和3個的”a”字符。
<?php echo ereg("a{1,3}$", "aaab"); ?>
上面的例子將不會返回true，雖然有三個”a”字符在搜索字符串里，但是它們不是在字符串的尾部。如果我們把結尾字符串匹配$從正則表達式中去掉，那么這個字符串是匹配的。
我們也可以告訴正則表達式引擎來匹配至少有確定數(shù)目的字符在一行，如果它們存在的，可以匹配更多。 我們可以這樣做：
<?php echo ereg("a{3,}$", "aaaa"); ?>

零或多次重復字符
為了告訴正則表達式引擎一個字符可能存在，也可以重復，我們用*字符。這里的兩個例子都將返回true.

<?php echo ereg("t*", "tom"); ?>
<?php echo ereg("t*", "fom"); ?>
即使第二個例子不包含”t”這個字符，但仍舊返回ture,因為*表示字符可以出現(xiàn)，但不是必須出現(xiàn)。事實上，任何普通的字符串模式都會使上面的ereg調(diào)用返回true，因為’t’字符是可選的.


一或多次重復字符
為了告訴正則表達式引擎一個字符必須存在，也可以重復不止一次，我們用+字符，像

<?php echo ereg("z+", "i like the zoo"); ?>
下面的例子也會返回true:
<?php echo ereg("z+", "i like the zzzzzzoo!"); ?>

零或一次重復字符
我們也可以告訴正則表達式引擎，一個字符必須是或者只存在一次，或者沒有。我們用?字符來做這項工作，就像
<?php echo ereg("c?", "cats are fuzzy"); ?>
如果我們愿意，我們完全可以從上面的搜索字符串中刪除’c’，這個表達式會仍舊返回true.’?’ 的意思是一個’c’可以出現(xiàn)在搜索字符串的任何地方，但不是必須的。



正則表達式語法 (續(xù))
空格字符
為了匹配一個搜索字符串中的空格字符，我們用預定義Posix的類，[[:space]].方括號標明連續(xù)字符的相關性，”:space:”是實際要匹配的類（在這種情形下，是任何空白字符）。空白包括tab字符，新行字符，空白字符。或者，如果搜索字符串必須包含只有一個空格，而不是一個tab或者新行字符，你可以用一個空格字符(" ")。在大多數(shù)情況下，我傾向于使用":space:"，因為這意味著我的意圖不僅僅是單個空格字符，這點很容易被忽視。這里有一些Posix-標準預定義類，
有一些我們可以作為正則表達式的部分的一些Posix-標準預定義類，包括[:alnum:], [:digit:], [:lower:]等等。 完整的列表可以在這里查看

我們可以像這樣匹配單個空白字符：

<?php echo ereg("Mitchell[[:space:]]Harper", "Mitchell Harper"); ?>
我們也可以通過在表達式后用?字符來告訴正則表達式引擎匹配沒有空白或者一個空白。
<?php echo ereg("Mitchell[[:space:]]?Harper", "MitchellHarper"); ?>

模式分組
相關的模式可以在方括號里分在一起。很容易用[a-z]和[A-Z]指定只有一個小寫字母或者一列大寫字母以搜索字符串的一部分存在。
<?php
// 要求從第一個到最后一個都是小寫字母
echo ereg("^[a-z]+$", "johndoe"); // 返回true
?>
或者像
<?php
// 要求從第一個到最后一個都是大寫字母
ereg("^[A-Z]+$", "JOHNDOE"); // 返回 true?
?>
我們也可以告訴正則表達式引擎，我們希望或者是小寫字母，或者是大寫字母。我們只要把[a-z]和[A-Z]模式結合在一起就可以做到。
<?php echo ereg("^[a-zA-Z]+$", "JohnDoe"); ?>
在上面的例子里，如果我們能匹配"John Doe",而不是"JohnDoe"，將是非常有意義的。我們用下面的正則表達式來做這個：
^[a-zA-Z]+[[:space:]]{1}[a-zA-Z]+$
很容易搜索一個數(shù)字字符串
<?php echo ereg("^[0-9]+$", "12345"); ?>

詞語分組
不僅僅搜索模式可以分組，我們也可以用圓括號把相關的搜索詞語進行分組。
<?php echo ereg("^(John Jane).+$", "John Doe"); ?>
在上面的例子中，我們有一個字符串頭部字符，緊跟著"John"或者"Jane",至少有一個其它字符，然后一個字符串尾部字符。所以…
<?php echo ereg("^(John Jane).+$", "Jane Doe"); ?>
...將也匹配我們的搜索模式

特殊字符的情形
因為一些字符要用在一個搜索模式的明確分組或者語法上，像在(John Jane)中的圓括號，我們需要告訴正則表達式引擎來屏蔽這些字符，加工它們使之成為被搜索字符串的一部分，而不是搜索表達式的一部分。我們所用的方法稱為“字符轉(zhuǎn)義”，涉及到將任何“專用符號”加上反斜杠。所以，例如，如果我想在我的搜索中包含’ ’，那么我就可以這樣做
<?php echo ereg("^[a-zA-z]+\ [a-zA-z]+$", "John Jane"); ?>
這里只是少量的一些你要轉(zhuǎn)義的字符，你必須轉(zhuǎn)義^, $, (, ), ., [, , *, ?, +, \ and { 。
希望你現(xiàn)在對正則表達式實際上有多么強大有了一點點感覺了�，F(xiàn)在讓我們看兩個用正則表達式來檢查數(shù)據(jù)中一個字符串的例子。



正則表達式例子
例子1
讓我們把第一個例子做的相當簡單，檢驗一個標準的URL.一個標準的URL(沒有端口號),有三個部分構成：

[協(xié)議]://[域名]

讓我們從匹配URL的協(xié)議部分開始,并且讓它只能用http或者ftp.我們可以用下面的正則表達式做到這點：

^(http ftp)
^字符特指字符串的頭部，利用圓括號把http和ftp圍住，且用“或者”符號( )將它們分開，我們告訴正則表達式引擎http和ftp兩者之一必須在字符串的開頭。

一個域名通常由www.somesite.com構成，但是可以隨意選擇要不要www部分。為了例子簡單，我們只允許.com,.net,和.org的域名是在考慮之中的。我們最好這樣對正則表達式中的域名部分表示如下：
(www\.)?.+\.(com net org)$
把所有的東西放在一起，我們的正則表達式就可以用作檢查一個域名，如：

<?php
function isValidDomain($domainName)
{

return ereg("^(http ftp)://(www\.)?.+\.(com net org)$", $domainName);
}
//真(true)
echo isValidDomain("http://www.somesite.com");
//真(true)
echo isValidDomain("ftp://somesite.com");
//假 (false)
echo isValidDomain("ftp://www.somesite.fr");
//假 (false)
echo isValidDomain("www.somesite.com");
?>

例子二
因為我居住在澳大利亞悉尼，讓我們檢查一個典型的澳大利亞國際電話號碼。澳大利亞國際電話號碼的格式如下：
+61x xxxx-xxxx
第一個x是區(qū)號，其它的都是電話號碼。檢查以'+61'開頭且緊跟一個在2到9之間的區(qū)號的電話號碼，我們用下面的正則表達式：

^\+61[2-9][[:space:]]
注意，上面的搜索模式把'+'字符用'\'轉(zhuǎn)義，以便于可以在搜索中包含，不至于被解釋為一個正則表達式。[2-9]告訴正則表達式引擎我們需要包含一個2到9之間的數(shù)字。[[:space:]]類則告訴正則表達式期望在這里有一個空白。


這里是電話號碼剩下的搜索模式：
[0-9]{4}-[0-9]{4}$
這里沒有什么不尋常的地方，我們只是告訴正則表達式引擎電話號碼可用的數(shù)字，它必須是4個數(shù)字的組合，跟著一個連接符，再跟著另一個4個數(shù)字的組合，然后一個字符串尾部字符。
把完整的正則表達式放在一起，放進一個函數(shù)，我們可以用代碼來檢查一些澳大利亞國際電話號碼：
<?php
function isValidPhone($phoneNum)
{
echo ereg("^\+61[2-9][[:space:]][0-9]{4}-[0-9]{4}$", $phoneNum);
}
// 真（true）
echo isValidPhone("+619 0000-0000");
// 假（false）
echo isValidPhone("+61 00000000");
//假（ false）
echo isValidPhone("+611 00000000");
?>



總結
正則表達式用一些不適合書寫和重復的代碼來檢查一個字符串。在最后的幾頁里，我們已經(jīng)講解了所有的Posix標準正則表達式的基礎，包括字符，分組和PHP ereg函數(shù)。我們也知道了怎么用正則表達式來檢查一些PHP中簡單的字符串。



譯者注釋：本人英文不怎么好，可能一些地方有出入。本文中的字符類其實是我們所說的字符簇。