1. 正则表达式就是描述字符串排列模式的一种自定义语法规则。

2. 如果可以使用字符串处理函数完成的任务, 就不要使用正则

3. 有一些复杂的操作，只能使用正则完成。

正则表达式可以在很多计算机语言中应用

4. 正则表达式也称为一种模式表达式。

5. 正则表达式就是通过构建具有特定规则的模式, 与输入的字符信息比较。再进行分割、匹配、查找、替换等工作

"/\<img\s*src=\".*?\"\/\>/"

一、正则表达式也是一个字符串

二、由具有特殊意义的字符组成的字符串

三、具有一点编写规则, 也是一种模式

四、看作是一种编程语言(是用一些特殊字符, 按规则编写出一个字符串, 形成一种模式---正则表达式)

注意： 如果正则表达式, 不和函数一起使用, 则它就是一个字符串, 如果将正则表达式放到到某个函数中使用, 才能发挥出正则表达式的作用。

用到分割函数中，就可以用这个正则去分割字符串

用到替换函数中，就可以用这个正则去替换字符串

...

在PHP中给我们提供两套正则表达式函数库

POSIX 扩展正则表达式函数(ereg_)

Perl 兼容正则表达式函数(preg_)

这个函数功能一样, 找一个处理字符串效率高的

注意：推荐使用Perl 兼容正则表达式函数库(只学这一种)

正斜线 / /

反斜线 \ \ 亦称转义字符

学习正则表达式时，有两方面需要学习：

一、正则表达式的模式如何编写

语法：

1. 定界符号 //

除了字母、数字和转义字符\以外的任何字符都可以为定界符号

| |

/ /

{ }

! !

没有特殊需要，我们都使用正斜线作为正则表达式的定界符号

2. 原子 img \s .

注意：原子是正则表达式的最基本组成单位，而且必须至少要包含一个原子

只要一个正则表达式可以单独使用的字符，就是原子

1. 所有打印（所有可以在屏幕上输出的字符串）和非打印字符(看不到的)

2. \. \* \+ \? \( \) \< \> \/ \' \"

如果所有有意义的字符, 想作为原子使用, 统统使用 "\"转义字符转义

"\" 转义字符可以将有意的字符转成没意义的字符, 还可以将没意义的字符转为有意义的字符

注意:反斜线在单引号字符串和双引号字符串中都有特殊含义, 因此要匹配一个反斜线, 模式中必须写"\\\\"或'\\\'

"$" 的转义问题: "\\$" '\\$' '\$' 都正确, 但双引号下必须用两个转义字符(与子模式下双引号和单引号结论相同)

3. 在正则表达式中可以直接使用一些代表范围的原子

\d : 表示任意一个十进制的数字 [0-9]

\D : 表示任意一个除数字以外的字符 [^0-9]

\s : 表示任意一个空白字符, 包括空格、制表符、换页符等等 等价于[\n\r\t\f\v]

\S : 表示任意一个非空白 [^\n\r\t\f\v]

\w : 表示任意一个字 a-zA-Z0-9_ [a-zA-Z_]

\W : 表示任意一个非字, 除了a-zA-Z0-9_以外的任意一个字符 [^a-zA-Z0-9_]

4. 自己定义一个原子表[], 可以匹配方括号中的任何一个原子

[a-z5-8]

[^a-z] 表示取反， 就是除了原子表中的原子，都可以表示(^必须在［］内的第一个字符处出现)

原子表内除了^、-两个字符需要转义外，其它字符可以不转义(传智播客讲师都已证实,比如"."可转义也可不转义)

5.可加可不加(多加还是少加)转义字符的原子

区别:定界符"/"(正斜线) 和 转义字符"\"(反斜线)两者不要搞混淆了

类型 双引号正确使用方法

字符串 < > 0 \< \> \0

原子表内 [.] [\.]

子模式 '\1' '\\1' "\\1" (必须是两个反斜线)

字符串$ '/\$/' '/\\$/' "/\\$/"(必须是两个反斜线)

字符串\ '/\\\/' '/\\\\/' "/\\\\/"(必须是四个反斜线)

3. 元字符 * ?

元字符是一种特殊的字符，是用来修饰原子用的，不可以单独出现

* : 表示其前的原子可以出现 0次、1次、或多次 {0,}

+ : 表示其前的原子可以出现1次 或多次， 不能没有最少要有一个 {1,}

? ： 表示其前面的原子可以出现0次或1次， 有只能有一次，要么没有 {0,1}

{} : 用于自己定义前面原子出现的次数

{m} //m表示一个整数， {5}表示前面的原子出现5次

{m,n} //m和n表示一个整数，{2,5} m要小于n, 表示前面出现的原子，最少m次，最多n次，包括m和n次

{m,} //表示前面的原子最少出现m次,最多无限

. : 默认情况下，表示除换行符外任意一个字符

^ : 直接在一个正则表达式的第一个字符出现，则表达必须以这个正则表达式开始

$ : 直接在一个正则表达式的最后一个字符出现，则表达必须以这个正则表达式结束

| : 表示或的关系 , 它的优先级号是最低的， 最后考虑它的功能

\b : 表示一个边界 意思是匹配为空格, 逗号, 点号等标点符号(非字母)的情况都属于单词边界

\B ：表示一个非边界

如 this "is" 左边无边界 \B 右边有边界 \b

() : 重点

一、 () 作用： 是作为大原子使用

二、 改变优先级,加上括号可以提高优先级别

三、 作为子模式使用, 正则表达式不先对一个字符串匹配一次, 全部匹配作为一个大模式，放到数组的第一个元素中，

每个()是一个子模式按顺序放到数组的其它元素中去。

四、可以取消子模式，就将()作为大原子或改变优先级使用, 在括号中最前面使用"?:"就可以取消这个()表示的子模式

五、反向引用, 可以在模式中直接将子模式取出来, 再作为正则表达式模式的一部分, 如果是在正则表达式像替换

函数preg_replace函数中, 可以将子模式取出, 在被替换的字符串中使用

\1 取第一个子模式、 \2取第二个子模式， .... \5 (注意是单引号还是双引号引起来的正则)

"\\1"

'\1'

实例:"/<(\S*?)[^>]*>.*?<\/\\1>|<.*?\/>/i" //匹配HTML标签的正则表达式 用双引号"\\1"需要两个正斜线,在加上一个反斜线转义

'/<(\S*?)[^>]*>.*?<\/\1>|<.*?\/>/i' //匹配HTML标签的正则表达式 用单引号"\1"只需要一个正斜线,在加上一个反斜线转义

当然经过实验证明:'/<(\S*?)[^>]*>.*?<\/\\1>|<.*?\/>/i' 也能匹配HTML标签的正则表达式

也就是说"\\1" 正确 "\1" 不正确;

'\\1' 和 '\1' 都正确,推荐使用'\1';

注意:在双引号包括的单引号内部仍然使用\\1(两个反斜线)去捕获子模式;而在单引号包括的双引号内部可以\1(推荐使用)或\\1去捕获子模式;

所以应该考虑外层的引号决定反斜线的数目

${1} ${2} 使用方法 "\${1}" "\${1}" 捕获子模式,同时起到隔离作用

4. 模式修正符号 i u

"/ /模式修正符"

1. 就是几个字母

2. 可以一次使用一个，每一个具一定的意义， 也可以连续使用多个

3. 是对整个正则表达式调优使用, 也可以说是对正则表达式功能的扩展

"/abc/" 只能匹配小写字母 abc

"/abc/i" 可以不区分大小写匹配 ABC abc Abc ABc AbC

i : 表示在和模式进行匹配进不区分大小写

m : 默认情况, 将字符串视为一行 ^ $ 视为多行后, 任何一行都可以以正则开始或结束

s : 如果没有使用这个模式修正符号时， 元字符中的"."默认不能表示换行符号,将字符串视为单行

x : 表示模式中的空白忽略不计 如:$pattern = '/a c/x'; 能匹配$string = 'ac'; 但不能匹配$string = 'a c';

e : 正则表达式必须使用在preg_replace替换字符串的函数中时才可以使用(讲这个函数时再说)

A :

Z :

U : 正则表达式的特点：就是比较"贪婪" .* .+ 所有字符都符合这个条件

贪婪模式的意思是匹配更多内容，非贪婪模式匹配更多的子模式或数组

贪婪和非贪婪肯定是针对匹配多个字符时使用的

默认情况下, 正则表达式使用最长匹配原则，即贪婪匹配原则

一种使用模式修正符号 U 非贪婪模式

加一种是使用?完成 .*? .+? 非贪婪模式

注意:贪婪模式不仅仅是针对"." 也针对其他字符(*? 、+? 等) //传智播客讲师已详解

如果两种方式同时出现又开启了 贪婪模式 .*? /U

如果两种方式都没有出现 开启了处于贪婪模式

"/\<img\s*src=\".*?\"\/\>/iU"

"#\<img\s*src=\".*?\"\/\>#iU"

贪婪和非贪婪肯定是针对匹配多个字符时使用的，所以一般都会结合*和+来使用的，至于 [^<>]*? 该怎么理解，

不妨举个例子，<li><a href='itcast.cn'>传智播客</a></li>，假设现在要匹配a标记，后面会有多个字符href='itcast.cn'，

如果是贪婪模式，则会一直向后面匹配，匹配的结果是<a href='itcast.cn'>传智播客</a></li>，而这样得到的结果是不对的，

所以需要使用非贪婪模式，这样就可以匹配到正确的a标记。

/原子和元字符/模式修正符号 / 为定界符号 （有一些语言是不需要这个定界符号）

有点语言中不支持模式修正符号 javascript

二 转义问题

转义"\"的问题。

$str = 'ksfsj\kfj[中国人]skjsj[abc]fs';

$patt = '/\\\/'; //经过实验证明：单引号的正则模式内可以是三个反斜线也可以是四个反斜线"/\\\\/"；

preg_match ( $patt, $str, $m );

var_dump ( $m );

这里为什么是四个反斜线，原因在于：反斜线在单引号字符串和双引号字符串 中都有特殊含义，因此要匹配一个反斜线， 模式中必须写为 "\\\\"。

解释： "/\\/", 首先它作为字符串，反斜线会进行转义, 那么转义后的结果是/\/, 而正则表达式引擎也认为 \ 是转义标记，

它会将分隔符 / 进行转义, 从而得到的是一个错误。

"/\\/" 四个反斜线可理解为:前两个和后两个分别用于在编程语言里转义成反斜杠,转换成两个反斜杠后再在正则表达式里转义成一个反斜杠。

因此, 需要 4 个反斜线才可以匹配一个反斜线。

转义"$"的问题；

要使$字符能够在模式中匹配，必须使用"\\$";

因为这个字符串被引用在双括号中,php解释器将其解释为\$,而正则表达式解释器将其解释成一个$字符。

经过实验证明: "\\$" '\\$' '\$' 都正确,但双引号下必须用两个转义字符(与子模式下双引号和单引号结论相同)

<?php$str = 'ksfsj$kfj[中国人]skjsj[abc]fs';$patt = '/\\$/';if(preg_match ( $patt, $str, $match )){echo "匹配成功";}else{echo "匹配不成功";}print_r($match); // 匹配成功Array ( [0] => $ )

三 反向预查

反向匹配格式： /(?<=辅助内容)模式内容/

反向不匹配格式：/(?<!辅助内容)模式内容/

<?php//php里边使用"反向预查"//反向匹配//$reg = /(?<=辅助内容)模式内容/;//匹配一个字母字符串，要求"左边"出现数字信息$str = "1997xianggang";//Array ( [0] => xianggang )$str = "@@##aomen";//Array ()$reg = "/(?<=\d{4})[a-z]+/";preg_match($reg,$str,$out);print_r($out); //Array()//反向不匹配//$reg = /(?<!辅助内容)模式内容/;//匹配一个连续9个字母的字符串，要求"左边"不出现4个数字信息$str = "1997xianggang";//Array ()$str = "@@##shanghaih";//Array ( [0] => shanghaih )$str = "369shijiazhu";//Array ( [0] => shijiazhu )$reg = "/(?<!\d{4})[a-z]{9}/";preg_match($reg,$str,$out);print_r($out); //Array ( [0] => shijiazhu )?>

注意： 反向预查的辅助内容必须是固定长度(Error: lookbehind assertion is not fixed length)

"/[a-zA-z]+:\/\/[^\s]*/"; //匹配网址URL的正则表达式

"/<(\S*?)[^>]*>.*?<\/\\1>|<.*?\/>/i" //双引号下匹配HTML标记的正则表达式

'/<(\S*?)[^>]*>.*?<\/\1>|<.*?\/>/i'; //单引号匹配HTML标记的正则表达式

"/\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*/"; //匹配E-mail地址的正则表达式

'/<a.*?(?: |\\t|\\r|\\n)?href=[\'"]?(.+?)[\'"]?(?:(?: |\\t|\\r|\\n)+.*?)?>(.+?)<\/a.*?>/sim'; //匹配a连接

如:<a href=';>LAMP兄弟连</a>

/^([1-9]|[1-9]\d|1\d\d|2[01]\d|22[0-3])(\.(\d|[1-9]\d|1\d\d|2[0-4]\d|25[0-5])){3}$/ 匹配ip地址

注意：php的正则表达式要加引号, javascript不必加引号;‘

如何去除中文(GB2312和utf-8字符集均可以使用)

<?php

$string = "中华教具网;;

$str = preg_replace('/([\x80-\xff]*)/i','',$string); //去掉中文汉字

echo $str;

?>