萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP 正則表達式完整指南:從入門到精通

前言:為什麼要學正則?

正則表達式(Regular Expression, Regex)是文字處理的「瑞士刀」——雖然語法晦澀,但掌握後能以極少代碼解決複雜的字串驗證、擷取、替換、分割問題。本文系統整理正則歷史、核心語法、PHP 實戰函式與優化技巧。

一、正則表達式簡史

  • 1956:Stephen Kleene 提出「正則集合代數」,奠定理論基礎。
  • 1968:Ken Thompson 將其應用於 Unix qed 編輯器搜尋演算法,首度工程化。
  • 1980s:Henry Spencer 實作可移植 Regex 函式庫,廣泛移植至 Perl、Tcl、Python、PHP (PCRE) 等語言。
  • 現今:PCRE (Perl Compatible Regular Expressions) 成為主流標準,PHP 採用 PCRE 2 (PHP 7.3+)。

二、核心語法速查表

1. 元字符

符號說明範例
.匹配除換行符外任意單字符a.c 匹配 "abc", "aXc"
\d數字 [0-9]\d{3} 三位數
\D非數字 [^0-9]
\w單字字符 [a-zA-Z0-9_]
\W非單字字符
\s空白字符 (空格、Tab、換行)
\S非空白字符
^字串開頭 (多行模式下為行首)
$字串結尾 (多行模式下為行尾)
\b單字邊界\bcat\b 匹配 "cat" 不匹配 "cater"
\B非單字邊界

2. 限定符 (量詞)

符號說明貪婪/惰性
*0 次或多次 {0,}貪婪
+1 次或多次 {1,}貪婪
?0 次或 1 次 {0,1}貪婪
{n}確切 n 次-
{n,}至少 n 次貪婪
{n,m}n 到 m 次貪婪
*?, +?, ??, {n,m}?惰性匹配 (最少)惰性

3. 字符類與分組

  • [abc]:任一字符
  • [^abc]:排除字符
  • [a-z]:範圍
  • (...):捕獲群組 (可反向引用 \1)
  • (?:...):非捕獲群組 (效能較好)
  • (?=...):正向預查 (零寬斷言)
  • (?!...):負向預查
  • (?<=...):正向後顧
  • (?<!...):負向後顧

4. 選擇分支

cat|dog|bird 匹配三者之一。優先級最低,常配合群組:(cat|dog)food。

三、PHP 正則函式族群 (PCRE)

函式用途回傳值
preg_match(pattern, subject, &$matches, flags, offset)單次匹配0/1 (匹配次數),$matches 裝捕獲結果
preg_match_all(pattern, subject, &$matches, flags, offset)全域匹配匹配總次數,$matches 結構由 PREG_PATTERN_ORDER 決定
preg_replace(pattern, replacement, subject, limit, &$count)搜尋替換替換後字串,$count 替換次數
preg_replace_callback(pattern, callable, subject, limit, &$count, flags)回調替換替換後字串
preg_split(pattern, subject, limit, flags)正則分割字串陣列
preg_quote(str, delimiter)轉義正則特殊字符安全字串
preg_filter(pattern, replacement, subject)僅返回匹配並替換後的元素陣列
preg_last_error()取得最後錯誤代碼PREG_* 常數

修飾符 (Pattern Modifiers)

  • i (PCRE_CASELESS):忽略大小寫
  • m (PCRE_MULTILINE):^/$ 匹配行首尾
  • s (PCRE_DOTALL):. 匹配含換行
  • u (PCRE_UTF8):UTF-8 模式 (處理中文必加)
  • x (PCRE_EXTENDED):忽略模式空白、允許註解
  • D (PCRE_DOLLAR_ENDONLY):$ 僅匹配字串絕對結尾
  • U (PCRE_UNGREEDY):反轉貪婪/惰性預設

四、實戰範例庫

1. Email 驗證 (RFC 5322 簡化版)

function isEmail($email) {
  return (bool)preg_match('/^[a-zA-Z0-9.!#$%&\'*+\/=?^_`{|}~-]+@[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?(?:\.[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?)+$/u', $email);
}

2. URL 驗證 (支援 HTTP/HTTPS、域名、IP、埠、路徑、查詢、錨點)

function isUrl($url) {
  return (bool)preg_match(
    '/^(https?):\/\/(([a-zA-Z0-9-]+\.)+[a-zA-Z]{2,}|(\d{1,3}\.){3}\d{1,3})(:\d+)?(\/[^\s]*)?$/u',
    $url
  );
}

3. 手機號碼 (中國大陸 2024 最新號段)

function isMobileCN($mobile) {
  // 13/14/15/16/17/18/19 開頭,共 11 位
  return (bool)preg_match('/^1[3-9]\d{9}$/u', $mobile);
}
// 更嚴格版 (排除未啟用段)
function isMobileStrict($mobile) {
  return (bool)preg_match('/^(?:13\d|14[5-9]|15[0-35-9]|16[25-7]|17[0-8]|18\d|19[1-9])\d{8}$/u', $mobile);
}

4. 身分證字號 (台灣/中國大陸)

// 台灣身分證
function isTwID($id) {
  return (bool)preg_match('/^[A-Z][12]\d{8}$/u', $id);
}
// 中國大陸身分證 (18 位)
function isCnID($id) {
  return (bool)preg_match('/^[1-9]\d{5}(19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[\dXx]$/u', $id);
}

5. HTML 標籤屬性提取

$html = '<img src="logo.png" alt="Logo" class="img-responsive" />';
preg_match_all('/(\w+)\s*=\s*["\']([^"\']*)["\']/u', $html, $m, PREG_SET_ORDER);
foreach ($m as $attr) {
  echo "$attr[1] = $attr[2]\n"; // src=logo.png, alt=Logo, class=img-responsive
}

6. 多行文字截取 (懶惰匹配)

$text = "開始\n中間內容\n結束";
preg_match('/開始(.+?)結束/su', $text, $m); // s 讓 . 匹配換行,u 處理 UTF-8
echo $m[1]; // "\n中間內容\n"

五、效能優化與避坑指南

  1. 避免災難性回溯:(.*)*、(a+)+ 等嵌套量詞在長字串會指數級爆炸。改用具體字符類、佔有優先量詞 ++、*+、?+ 或原子群組 (?>...)。
  2. 善用錨點:^pattern$ 避免全字串掃描。
  3. 預編譯複用:同一模式重複使用時,考慮 static $re = '/pattern/u'; 避免重複編譯 (PHP 內部有快取,但靜態變數更明確)。
  4. 優先用字串函式:strpos, str_replace, explode 效能遠超正則,能不用正則就不用。
  5. 開啟 u 修飾符處理中文:否則 .、\w、\b 會按位元組誤判。
  6. 限制回溯深度:ini_set('pcre.backtrack_limit', 100000); ini_set('pcre.recursion_limit', 100000); 防止段錯。

六、線上除錯工具推薦

  • Regex101:支援 PCRE/Python/JS/Golang,即時解釋、效能分析、單元測試。
  • RegExr:視覺化高亮、社群範例庫。
  • Debuggex:圖狀化 NFA 自動機圖。

結語

正則表達式是「寫時閱讀難,維護更難」的利器。實務上遵循原則:能用字串函式解決的不用正則;必須用正則時,寫註解、拆變數、加單元測試、上線前跑效能基準。內化本文語法表與範例庫,你就能駕馭 90% 的文字處理場景。

copyright © 萬盛學電腦網 all rights reserved