摘要：正則表達式作為一個匹配的模板，是由定界符，原子普通字符，例如有特殊功能的字符稱為元字符，例如等以及模式修正符等部分組成的文字模式。正則表達式中可以使用編碼。限定符限定符用來指定正則表達式的一個給定原子必須要出現多少次才能滿足匹配。
正則表達式的定義
正則表達式就是描述字符排列模式的一種自定義的語法規則。
由于正則表達式本身具有一套非常完整的、可以編寫模式的語法體系，提供了一種靈活且直觀的字符串處理方法，故正則表達式也稱為模式表達式。
正則表達式的特點
正則表達式并不是PHP特有的，JavaScript、Java、Perl、MySQL中都可以應用到正則表達式。
正則表達式通過構建具有特定規則的模式，與輸入的字符串信息進行比較，從而實現字符串的匹配、查找、替換及分割等操作。
例子：
"/^https?://(([a-zA-Z0-9_-])+(.)?)*(:d+)?(/((.)?(?)?=?&?[a-zA-Z0-9_-](?)?)*)*$/i" // 匹配網址ＵＲＬ的正則表達式
"/<(S*?)[^>]*>.*?|<.*?/>/i" // 匹配HTML標記的正則表達式
"/w+([-+.]w)+*@w+([-.]w+)*.w+([-.]w+)*/" // 匹配E-mail地址的正則表達式
"/^]*s*srcs*=s*(["]?)(?S+)"?[^>l ]*>$/" // 匹配img標簽
注意
正則表達式是由普通字符與具有特殊意義的字符組成字符串
效率問題，如果可以使用字符串函數完成任務，那盡量不使用正則表達式函數
對于一些復雜操作，如表單驗證，計算發布文章中有多少個句子，抓取網頁中某種格式的句子等使用正則表達式以及相關函數能夠更好地實現
正則表達式具有一定的編寫規則(語義)，是一種模式
若正則表達式不與 相應的正則表達式函數使用，那么正則表達式僅僅是字符串，要達成匹配、查找、替換以及分割功能，正則表達式必須與相應的正則表達式函數配套使用。
PHP中兩套支持正則表達式的函數庫
PCRE(Perl Compatible Regular Expression)
由PCRE庫提供，與Perl語言兼容的正則表達式、使用"preg_"為前綴命名的函數，而且表達式都應被包含在定界符中。
POSIX(Portable Operation System Interface)
自從PHP5.3.0開始廢棄.使用一套"ereg_"為前綴命名的函數。
注意
1. 兩套 函數庫功能類似，執行效率不同，一般來說，實現相同功能，使用 PCRE庫提供的正則表達式效率略占優勢。
2. PCRE 函數需要模式以定界符閉合。
3. 不像POSIX，PCRE 擴展沒有專門用于大小寫不敏感匹配的函數。
取而代之的是，支持使用i (PCRE_CASELESS) 模式修飾符完成同樣的工作。 其他模式修飾符同樣可用于改變匹配策略。
4. POSIX 函數從最左面開始尋找最長的匹配，但是 PCRE 在第一個合法匹配后停止。如果字符串
不匹配這沒有什么區別，但是如果匹配，兩者在結果和速度上都會有差別。 為了說明
這個不同, 考慮下面的例子(來自Jeffrey Friedl 的《精通正則表達式》一書)。
使用模式 one(self)?(selfsufficient)? 在字符串oneselfsufficient 上匹配，
PCRE 會匹配到oneself，但是使用 POSIX，結果將是整個字符串 oneselfsufficient。
兩個子串都匹配原始字符串，但是 POSIX 將 最長的作為結果。
函數對比
| POSIX |
PCRE |
| ereg_replace() |
preg_replace() |
| ereg() |
preg_match() |
| eregi_replace() |
preg_replace() |
| eregi() |
preg_match() |
| split() |
preg_split() |
| spliti() |
preg_split() |
| sql_regcase() |
無對等函數 |
可參照PHP Manual
正則表達式語法規則
正則表達式描述了一種字符串的匹配模式，通過這個模式在特定的函數中對字符串進行匹配、查找、替換以及分割等操作。
正則表達式作為一個匹配的模板，是由定界符，原子(普通字符，例如a-z)、有特殊功能的字符(稱為元字符，例如*、+、?等),
以及模式修正符等部分組成的文字模式。
例子：
"/^https?//(([a-zA-Z0-9_-])+(.)?)*(d+)?(/((.)?(?)?=?&?[a-zA-Z0-9_-](?)?)*)*$/i/"
或者
"/^(.+?)$/sim"
1. 定界符中使用的是兩個斜線"/"，將模式放在它之間說明。
2. 原子用到了<、a、href、=、"、"、/、>等普通字符和 、
、
等轉義字符。
3. 元字符使用了[]、()、|、.、?、*、+等具有特殊含義的字符。
4. 用到模式修正符是在定界符最后一個斜線之后的三個字符"s"、"i"、"m"。
定界符
定界符為PCRE不同于POSIX的特點之一。
除了字母、數字和反斜線以外的字符皆可為定界符
例子：
{ }、# #、||、!!等
// // 使用反斜線作為定界符號 合法
|(d{3})-d+|Sm // 使用豎線"|"作為定界符號 合法
!^(?i)PHP[34]! // 使用感嘆號"!"作為定界符 合法
{^s+(s+)?$} // 使用花括號"{}"作為定界符號 合法
/href="(.*)" // 非法定界符，缺少結束定界符
1-d3-d3-d4/ // 非法定界符號，缺少起始定界符
注意
如果沒有特殊要求，一般使用//作為定界符
定界符是成對的，有開始符號，也有結束符號。
原子
原子是正則表達式中最基本的組成單位，而且在每個模式中最少要包含一個原子。
原子是所有那些未顯式指定為元字符的打印(可以在屏幕上輸出的字符)和非打印字符(看不到的)組成的。
簡單地說，能夠在正則表達式中多帶帶使用的字符就可稱為原子
將其劃分為五類
1. 普通字符作為原子
普通字符是編寫正則表達式時最常見的原子，包括所有的大寫和小寫字母字符、所有數字等，例如：a-z、A-Z、0-9。
2. 非打印字符(看不到的)作為原子
原子字符 x09 含義描述
+ cx 匹配由x指明的控制符。
例如，cM匹配一個Control-M或者回車符。x的值必須為A-Z或a-z之一，
否則，將c視為一個原義的"c"字符。
+ f 匹配一個換頁符。等價于x0c和cL
+
匹配一個換行符。等價于x0a和cJ
+
匹配一個回車符。等價于x0d和cM
+ 匹配一個制表符。等價于x09和cI
+ v 匹配一個垂直制表符。等價于x0b和cK
3.通用字符類型做為原子
前面介紹的原子，都是一個原子只能匹配一個字符。但是有時候我們需要一個原子可以匹配一類字符。
在正則表達式中可以直接使用一些代表范圍的原子
原子字符 含義描述
d 匹配任意一個十進制數字,等價于[0-9]
D 匹配任意一個除十進制數字以外的字符，等價于[^0-9]
w 匹配任意一個數字、字母、下劃線，等價于[0-9a-zA-Z_]
W 匹配除數字、字母、下劃線以外的任意一個字符，等價于[^0-9a-zA-Z_]
s 匹配任意一個空白字符，等價于[f
v
]
S 匹配除空白字符以外的任何一個字符，等價于[^ f
v
]
4. 自定義原子表([])作為原子
有些時候，上面六個通用字符并不能滿足我們的需求，我們需要自定義一類原子，比如說奇數(1,3,5,7,9).
所以這時候需要我們自定義一類原子(稱之為類原子),使用原子表"[]"就可以定義一組彼此平等的原子，
只能匹配原子表中一個字符。
1表示匹配除表內原子外的任意字符，通常稱之為排除原子表。
此外，在原子表中可以使用連字符(-)連接一組按照ASCII碼順序排列的原子，可簡化書寫。
例子
"/[apj]sp/" // 可以匹配asp、jsp、PSP三種，從原子表中僅選擇一個作為原子
"/[^apj]sp/" // 可以匹配除了asp、PSP、jsp三種以外的字符串，如xsp，ysp，zsp等
"/0[xX][0-9a-fA-F]/" // 可以匹配一個簡單的十六進制數，如0x2f、0X3AE或0x4aB等
5. 一些特殊字符和元字符作為原子
在正則表達式中，任何一個符號都可以作為原子使用，但如果該符號在正則表達式中有特殊意義，可以使用轉義字符""
取消它的特殊意義，作為一個普通字符使用。 如 ". * + ? ( <>"
" "轉義字符可以將有意義的字符轉成沒意義的字符，還可以將沒意義的字符轉為有意義的字符
元字符
元字符是用于構建正則表達式的具有特殊含義的字符，如"*"、"+"、"?"等。
元字符不能多帶帶出現，必須用來修飾原子。
如果要在正則表達式中使用包含元字符本身，為了使其失去特殊含義，則必須在前面加上""進行轉義
正則表達式的元字符
元字符 含義描述
* 匹配0次，1次或者多次其前面的原子
+ 匹配1次或多次其前的原子
？ 匹配0次或者1次其前的原子
. 匹配除了換行符外的任意一個字符
| 匹配兩個或多個分支選擇
{n} 表示其前面的原子恰好出現n次
{n,} 表示其前面的原子出現不少于n次
{n,m} 表示其前面的原子至少出現n次，最多出現n次
^或A 匹配輸入字符串的開始位置(或在多行模式下行的開頭，即緊隨一換行符后)
$或 匹配輸入字符串(或者在多行模式下行的結尾，即緊隨一換行符后)
匹配單詞的邊界
B 匹配除單詞邊界以外的部分
[] 匹配方括號中指定的任意一個原子
[^] 匹配除方括號中的原子以外的任意一個字符，排除原子表
() 匹配其整體為一個原子，即模式單元。可以理解為由多個單個原子組成的大原子
xn 匹配n，其中n為十六進制轉義值。十六進制轉義值必須為確定的兩個數字長。
例如，`"x41"`匹配`A`。`"x041"`則等價于`"x04&1"`。正則表達式中可以使用ASCII編碼。
1. 限定符
限定符用來指定正則表達式的一個給定原子必須要出現多少次才能滿足匹配。
總共有"*"、"+"、"?"、"{n}"、"{n,}"、"{n,m}"六種限定符，他們之間的區別主要是重復匹配的次數不同。
其中"*"、"+"、"{n,}"限定符是貪婪的，因為它們會盡可能地匹配文字。
注意
元字符 "*" 表示0次、1次或多次匹配其前的原子，也可以使用"{0,}"完成同樣的匹配
"+"可以使用"{1,}"表示,
"?"可以使用"{0,1}"表示。
2. 邊界限制(斷言)
用來限定字符串或單詞的邊界范圍，以便獲得更準確的匹配結果。元字符"^"或("A")和"$"或("")
分別指字符串的開始于結束，而""用于描述字符串中每個單詞的前或者后邊界，
與之相反的元字符"B"表示非單詞邊界。
例如：
有一個字符串 "this is a test"， 使用邊界限制如下：
"/^this/" 匹配此字符是否以字符串"this"開始的，匹配成功
"/test$/" 匹配此字符是否以字符串"test"結束的，匹配成功
"/is/" 匹配此字符串中是否含有單詞"is"，因為在字符串"is"兩邊都需要有邊界
"/Bis/" 查找字符串"is"時，左邊不能有邊界而右邊必須右邊界，如"this"匹配成功
3. 句號(.)
在字符類以外，模式中的圓點可以匹配目標中的任何一個字符，包括不可打印字符。但不匹配換行符號(默認情況下)，相當于"[^
]"(UNIX系統)或者"[^
]"(Windows系統)。
但是如果設定了模式修正符"s",則圓點也會匹配換行符。
處理圓點與處理^和$是完全獨立的，唯一的聯系是涉及換行
注意
1. `".*?"`或者`".+?"`組合來匹配除換行符以外的任何字符串。
例如：`"/.*?/"`可以匹配以``,``標簽開始于結束的任何不包括換行符的任意字符串
4. 模式選擇符(|)
豎線字符"|"用來分隔多選一模式，在正則表達式中匹配兩個或更多的選擇之一。
因|的優先級是最低的，所以應在最后考慮其功能。
例如：LAMP | J2EE表示匹配LAMP，也可以匹配J2EE，由于|其優先級最低，所以并
不表示匹配"LAMP2EE"或者"LAMJEE"。
也可以像這樣使用 "/Linux|Apache|MySQL|PHP/"，表示可以從中任意匹配一組。
5. 模式單元
模式單元是使用元字符"()"將多個原子組成大原子使用。
一個模式單元中的表達式將被優先匹配
例子：
"/(very)*good/" //可以匹配good、very good、very very good
6. 后向引用
后向引用是一個正則表達式中一個重要的應用點。
使用()標記的開始和結束的多個原子，不僅僅是一個獨立的單元，也是一個子表達式(也稱之為子模式)。
**對于一個正則表達式模式或部分模式兩邊添加圓括號將導致相關匹配存儲到一個臨時緩沖區中，可以被捕獲供
以后使用**。
所捕獲的每個子匹配都按照正則表達式模式中從左之后所遇到的內容存儲。存儲子匹配的緩沖區編號從1開始，
連續編號直至最大99個表達式。
每個緩沖區都可以使用
訪問，其中n為一個便是特定緩沖區的一位或兩位十進制數。
例如："1"、"2"、"3"等形式的引用，在正則表達式模式中使用時還需要在前面加上一個反斜線，
將反斜線再次轉義，
例如："1"、"2"、"3"等形式的引用。
如下所示：
"/^d{4}Wd{2}Wd{2$}/" // 這是一個匹配日期的格式，如2008-08/08或者2008/08-08 等
"/^d{4}(W)d{2}1d{2$}/" // 這是一個匹配日期的格式，如2008-08-08或者2008/08/08 等
當你要使用模式單元而又不想存儲匹配結果時，可以使用非捕獲元字符"?:"、"?="或"?!"來忽略對相關匹配的保存。
注意
在一些正則表達式中，使用非存儲模式單元是必要的，可以改變其后向引用的順序。
`/(Windows)(Linux)2OS/` --- 使用"2"再次引用第二個緩沖區中的字符串"Linux"
`/(?:Windows)(Linux)1OS/` --- 使用"?:"忽略了第一個子表達式的存儲，所以"1"引用的就是"Linux"
7. 模式匹配的優先級
在使用正則表達式時，需要注意匹配的書序。通常相同優先級從左到右進行運算，不同優先級的運算先高后低。
** 順 序 ** ** 元 字 符 ** ** 描 述 **
1 轉義符號
2 ()、(?:)、(?=)、[] 模式單元和原子表
3 *、+、？、{n}、{n,}、{n,m} 重復匹配
4 ^、$、、B、A、 邊界限制
5 | 模式選擇
模式修正符
模式修正符在正則表達式定界符之外使用(最后一個斜線"/"之后)。
模式修正符可以調整正則表達式的解釋，擴展了正則表達式在匹配、替換等操作時的某些功能；
而且模式修正符可以組合使用，更增強了正則表達式處理能力
模式修正符可以單個使用，也可以多個組合使用
模式修正符
**模式修正符** **功能描述**
i 在和模式進行匹配時不區分大小寫
m 將字符串視為多行。默認開的正則開始`"^"`和`"$"`將目標字符串作為單一的一"行"
字符(甚至其中包含有換行符也是如此)。如果在修飾符中加上`"m"`，那么開始和結束將會指字符串的每一行,每一行的開頭就是`"^"`,結尾就是`"$"`。
s 如果設定了次修正符，則模式中的圓點元字符`"."`匹配所有的字符，包括換行符。
即將字符串視為單行，換行符作為普通字符看待。
x 模式中的空白忽略不計，除非它已經被轉義。
e **只有在`preg_replace()`函數中，在替換字符串對逆向引用做正常的替換，將其作為
PHP代碼求值，并且其結果來替換所搜索的字符串**
U 本修正符反轉了匹配數量的值使其使其不是默認的重復，
而變成在后面跟上`"?"`才變得重復。**__這和Perl語言不兼容__**。也可以通過在模式中設定(U)修正符或者數量符之后跟一個問號`"?"`(例如.*?)來使用此選項。
D 模式中的美元元字符僅匹配目標字符串的結尾。沒有此選項時，如果最后
一個字符是換行符，則美元符號也會匹配次字符之前的內容。如果設定了m修正符，則忽略此選項
注意：
模式 "/Web Server/ix"可以用來匹配字符串"webserver",忽略大小寫和空白。
貪婪匹配，在匹配成功的前提下，盡可能多的去匹配*,+,{n,},.*是貪婪的，例如：/a.*e/去匹配字符串"abcd fsdfsdfsesfdfsdfsesdfedfsdfses",由于".*"是貪婪的匹配，會從這個字符串中匹配出"abcd fsdfsdfsesfdfsdfsesdfedfsdfse"，從第一個a開始，知道最后一個字母e結束，都屬于".*"內容。如果想取消這種貪婪模式，可以使用模式修正符"U"或者在模式中使用.*?，在.*后面加個?。為了兼容Perl正則函數，可能會沒有模式修正符"U"，我們建議使用在".*"后加"?"來實現懶惰模式(即非貪婪模式)如果"U"與"?"同時使用，像這樣"/a.*?e/U",則匹配"abcdfsdfsdfsesfdfsdfsesdfedfsdfse"，相當于又啟用了貪婪模式。
惰性模式，在匹配成功的前提下，盡可能少的去匹配(注意點同上)
模式"/^is/m"可以匹配字符串"this
is
ais
test"中的"is",因為使用模式修正符"m"將字符串視為多行，第二行出現的"is"匹配成功。默認的正則開始^和結束"$"將目標字符串作為單一的一“行”(甚至包含換行符也是如此)。
Note:
看到這里是不是懵逼了？沒錯，我也懵逼。
不過沒有關系，秉承Learning by doing的準則，
在接下來的教程中，我會一一演示。
更多文章請訪問我的博客：Noapes
實例
/**
* 無亂碼截取中文字符
* @param $str
* @param int $start
* @param $length
* @param string $charset
* @param bool|true $suffix
* @return string|void
*/
function msubstr($str, $start=0, $length, $charset="utf-8", $suffix=true)
{
if(function_exists("mb_substr"))
return mb_substr($str, $start, $length, $charset);
elseif(function_exists("iconv_substr")) {
return iconv_substr($str,$start,$length,$charset);
}
$re["utf-8"] = "/[x01-x7f]|[xc2-xdf][x80-xbf]|[xe0-xef][x80-xbf]{2}|[xf0-xff][x80-xbf]{3}/";
$re["gb2312"] = "/[x01-x7f]|[xb0-xf7][xa0-xfe]/";
$re["gbk"] = "/[x01-x7f]|[x81-xfe][x40-xfe]/";
$re["big5"] = "/[x01-x7f]|[x81-xfe]([x40-x7e]|xa1-xfe])/";
preg_match_all($re[$charset], $str, $match);
$slice = join("",array_slice($match[0], $start, $length));
if($suffix) return $slice;
return $slice;
}
echo msubstr("哈哈哈你好啊啊",2,3,"gb2312");
sdf ?
