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 (PCRE) 完全指南:語法、修飾符與實戰技巧

正則表達式在 PHP 中的地位

PHP 提供兩套正則引擎:PCRE (preg_* 系列) 和 POSIX (ereg_* 系列)。POSIX 自 PHP 5.3 棄用,PHP 7.0 移除。**請全面使用 PCRE**。PCRE 兼容 Perl 正則語法,功能強大、效能優異、跨語言通用。

PCRE 基礎語法

定界符

模式必須包裹在定界符中,常用 /,也可用 #、~、% 等非字母數字字符。/pattern/modifiers。

核心元字符速查表

元字符說明等價類
\A字串開頭 (不受 m 影響)
\Z字串結尾或結尾換行前 (不受 m 影響)
^行首 (受 m 影響)
$行尾 (受 m 影響)
\b單詞邊界
\B非單詞邊界
\d數字[0-9]
\D非數字[^0-9]
\w單詞字符 (字母、數字、下劃線)[a-zA-Z0-9_]
\W非單詞字符[^a-zA-Z0-9_]
\s空白字符 (空格、換行、Tab 等)[\f\n\r\t\v]
\S非空白字符[^\f\n\r\t\v]
.除換行外任意字符 (s 修飾符下含換行)

量詞 (貪婪 vs 惰性)

  • * (0+)、+ (1+)、? (0/1)、{n}、{n,}、{n,m} — **預設貪婪** (匹配越多越好)。
  • 後加 ? 變惰性:*?, +?, ??, {n,m}? — **匹配越少越好**。

常用模式修飾符

修飾符名稱作用
iPCRE_CASELESS忽略大小寫
mPCRE_MULTILINE^/$ 匹配行首尾而非字串首尾
sPCRE_DOTALL. 匹配含換行在內任意字符
xPCRE_EXTENDED忽略模式中空白、允許註釋 #,提升可讀性
uPCRE_UTF8**關鍵**:正確處理 UTF-8 多位元組字符 (中文等),**強烈建議始終加上**
UPCRE_UNGREEDY反轉量詞貪婪性 (慎用,易混淆)
ePREG_REPLACE_EVAL已移除 (PHP 7.0),勿用,改用 preg_replace_callback

進階概念:分組、引用、斷言

捕獲組與反向引用

(...) 捕獲組,\1、\2... 在模式中反向引用;$1、$2... 在替換字串中引用。
(?:...) 非捕獲組 (不佔用編號,效能稍高)。

// 匹配重複單詞
preg_replace('/\b(\w+)\s+\1\b/i', '$1', 'the the quick brown fox'); // "the quick brown fox"

// 日期格式統一:匹配 12-31-2006 或 12/31/2006,分隔符必須一致
preg_match('/^(\d{2})([\-\/])(\d{2})\2(\d{4})$/', $date, $m);
// $m[2] 為分隔符,\2 引用確保前後一致

零寬斷言 (環視) - 不消耗字符,只判斷位置

語法名稱含義
(?=...)正向頂瞻後面必須匹配 ...
(?!...)負向頂瞻後面不能匹配 ...
(?<=...)正向頂顧前面必須匹配 ... (固定寬度)
(?<!...)負向頂顧前面不能匹配 ... (固定寬度)
// 匹配不被引號包圍的數字
preg_replace('/(? 內容 (無屬性標籤)
preg_match_all('/(?<=\<(\w+)\>).*?(?=\<\/\1\>)/s', $html, $m);

核心 PCRE 函數速查

函數用途關鍵參數/返回
preg_match()執行一次匹配返回 0/1,$matches 陣列捕獲組
preg_match_all()全局匹配所有返回匹配次數,$matches 結構由 PREG_PATTERN_ORDER/PREG_SET_ORDER 控制
preg_replace()搜尋替換支援陣列、回調函數、限制次數 $limit
preg_replace_callback()回調替換 (替代 /e)回調接收 $matches 返回替換字串
preg_split()正則分割字串返回陣列,PREG_SPLIT_NO_EMPTY 等標誌
preg_grep()過濾陣列元素返回匹配模式的元素陣列
preg_quote()轉義正則特殊字符將字串安全用於模式中
preg_last_error()獲取最後錯誤代碼配合 preg_last_error_msg() (PHP 8+) 排錯

實戰技巧集錦

1. 提取 HTML 標籤屬性值 (如 action、href、src)

// 提取 form action (非 http 開頭)
preg_match_all('/\saction=["\'](?!https?:)(.*?)["\']\s/i', $html, $matches);
// $matches[1] 為相對路徑陣列

2. 使用回調函數動態替換 (如補全相對路徑)

$baseUrl = 'https://example.com';
$html = preg_replace_callback(
    '/(?<=\s(?:action|href|src)=["\'])(?!https?:|javascript:|#)(.*?)(?=["\'])/i',
    fn($m) => $baseUrl . '/' . ltrim($m[1], '/'),
    $html
);

3. 匹配無屬性 HTML 標籤內容

// bold -> 提取 "bold"
preg_match_all('/(?<=\<(\w+)\>).*?(?=\<\/\1\>)/s', $html, $m);

效能與最佳實踰

  • 能用 strpos/strstr/explode 解決的,別用正則 (如固定字串查找、分割)。
  • 編譯緩存:PHP 自動緩存編譯後的模式,同一模式重複使用無額外開銷。
  • 避免災難性回溯:慎用嵌套量詞 (a+)*、互斥選項重疊。使用 preg_match(..., null, 0, 0, $offset) 限制回溯步數 (PHP 7.3+)。
  • 善用 x 修飾符寫可讀模式:
$pattern = '/
    ^                   # 行首
    (\d{4})-(\d{2})-(\d{2})  # 日期 YYYY-MM-DD
    \s+                 # 空白分隔
    (\d{2}):(\d{2}):(\d{2})  # 時間 HH:MM:SS
    $                   # 行尾
/ux'; // u: UTF-8, x: 可讀模式

總結

PCRE 是 PHP 文本處理的瑞士軍刀。掌握元字符、修飾符 (特別是 u)、分組引用、零寬斷言,配合 preg_replace_callback 處理複雜替換。記住:簡單任務用簡單函數,複雜模式才用正則,並始終測試效能與邊界情況。

copyright © 萬盛學電腦網 all rights reserved