看实例学php正则表达式

我在一个网站工作，而这个网站最主要的内容是用户在我们的论坛输入的信息，所有这些数据在录入数据库之前都必须经过检查。我知道php3的正则表达式可以解决我的问题，但首先我不知道怎么去建立一个正则表达式。我需要一些正则表达式做例子――很明显，我第一个找的地方是php3的手册和POSIX 1002.3 规范说明，但他们举例的方式都不是很有用。除此以外，我还花了大量的时间在网上寻找关于这个主题的好文章。我最后终于知道了正则表达式的用法，大多数都是通过试验得出的，鉴于这些内容都不是很多，我决定写下了这一篇直接介绍正则表达式语法的和一个step by step建立验证货币和email的正则表达式。我希望它能够清除大家对正则表达式的困惑

正则表达式的基本语法
首先，让我们看看两个特别的字符：’^’ 和 ‘$’ 他们是分别用来匹配字符串的开始和结束，一下分别举例说明
• “^The”: 匹配以 “The”开头的字符串;
• “of despair$”: 匹配以 “of despair” 结尾的字符串;
• “^abc$”: 匹配以abc开头和以abc结尾的字符串，实际上是只有abc与之匹配
• “notice”: 匹配包含notice的字符串
你可以看见如果你没有用我们提到的两个字符（最后一个例子），就是说 模式（正则表达式） 可以出现在被检验字符串的任何地方，你没有把他锁定到两边
这里还有几个字符 ‘*’, ‘+’,和 ‘?’, 他们用来表示一个字符可以出现的次数或者顺序. 他们分别表示：”zero or more”, “one or more”, and “zero or one.” 这里是一些例子:
• “ab*”: 匹配字符串a和0个或者更多b组成的字符串(“a”, “ab”, “abbb”, etc.);
• “ab+”: 和上面一样，但最少有一个b (“ab”, “abbb”, etc.);
• “ab?”:匹配0个或者一个b;
• “a?b+$”: 匹配以一个或者0个a再加上一个以上的b结尾的字符串.
你也可以在大括号里面限制字符出现的个数，比如
• “ab{2}”: 匹配一个a后面跟两个b（一个也不能少）(“abb”);
• “ab{2,}”: 最少更两个b(“abb”, “abbbb”, etc.);
• “ab{3,5}”: 2－5个b(“abbb”, “abbbb”, or “abbbbb”).
你还要注意到你必须总是指定 (i.e, “{0,2}”, not “{,2}”).同样，你必须注意到, ‘*’, ‘+’, 和’?’ 分别和一下三个范围标注是一样的，”{0,}”, “{1,}”, 和 “{0,1}”。
现在把一定数量的字符放到小括号里，比如：
• “a(bc)*”: 匹配 a 后面跟0个或者一个”bc”;
• “a(bc){1,5}”: 一个到5个 “bc.”
还有一个字符 ‘|’, 相当于OR 操作:
• “hi|hello”: 匹配含有”hi” 或者 “hello” 的 字符串;
• “(b|cd)ef”: 匹配含有 “bef” 或者 “cdef”的字符串;
• “(a|b)*c”: 匹配含有这样 – 多个（包括0个）a或b，后面跟一个c 的字符串 的字符串;

一个点(‘.’)可以代表所有的 单一字符:
• “a.[0-9]”: 一个a跟一个字符再跟一个数字的 （含有这样一个字符串的字符串将被匹配，以后省略此括号）
• “^.{3}$”: 以三个字符结尾 .
中括号括住的内容只匹配一个 单一的字符
• “[ab]”: 匹配单个的 a 或者 b ( 和 “a|b” 一样);
• “[a-d]”: 匹配’a’ 到’d’的单个字符 (和”a|b|c|d” 还有 “[abcd]”效果一样);
• “^[a-zA-Z]”: 匹配以字母开头的字符串
• “[0-9]%”: 匹配含有 形如 x％ 的字符串
• “,[a-zA-Z0-9]$”: 匹配以逗号在加一个数字或字母结尾的字符串
你也可以把你不想要得字符列在中括号里，你只需要在总括号里面使用’^’ 作为开头 (i.e., “%[^a-zA-Z]%” 匹配含有 两个百分号里面有一个非字母 的字符串).

为了能够解释，但”^.[$()|*+?{“作为有特殊意义的字符的时候，你必须在这些字符面前加”, 还有在php3中你应该避免在模式的最前面使用, 比如说,正则表达式 “($|?[0-9]+” 应该这样调用 ereg(“(\$|?[0-9]+”, $str) (不知道php4是不是一样)

不要忘记在中括号里面的字符是这条规路的例外—在中括号里面, 所有的特殊字符，包括(”), 都将失去他们的特殊性质(i.e., “[*+?{}.]”匹配含有这些字符的字符串). 还有,正如regx的手册告诉我们: “如果列表里含有 ‘]’, 最好把它作为列表里的第一个字符(可能跟在’^’后面). 如果含有’-‘, 最好把它放在最前面或者最后面, or 或者一个范围的第二个结束点(i.e. [a-d-0-9]中间的‘-’将有效.
为了完整, 我应该涉及到 collating sequences, character classes, 同埋 equivalence classes. 但我在这些方面不想讲的太详细, 这些在下面的文章仲都不需要涉及到. 你们可以在regex man pages 那里得到更多消息.

检查字符串是否为money

好了，现在我们要用我们所学的来干一些有用的事：构建一个匹配模式去检查输入的信息是否为一个表示money的数字。我们认为一个表示money的数量有四种方式： “10000.00” 和 “10,000.00”,或者没有小数部分, “10000” and “10,000”. 现在让我们开始构建这个匹配模式:
^[1-9][0-9]*$
这是所变量必须以非0的数字开头.但这也意味着 单一的 “0” 也不能通过测试. 以下是解决的方法:
^(0|[1-9][0-9]*)$
“只有0和不以0开头的数字与之匹配”，我们也可以允许一个负号再数字之前:
^(0|-?[1-9][0-9]*)$
这就是: “0 或者 一个以0开头可能有一个负号在前面的数字.” 好了, 好了现在让我们别那么严谨，允许以0开头.现在让我们放弃 负号 , 因为我们在表示钱币的时候并不需要用到. 我们现在指定 模式 用来匹配小数部分:
^[0-9]+(.[0-9]+)?$
这暗示匹配的字符串必须最少以一个阿拉伯数字开头. 但是注意，在上面模式中 “10.” 是不匹配的, 只有 “10” 和 “10.2” 才可以. （你知道为什么吗）
^[0-9]+(.[0-9]{2})?$
我们上面指定小数点后面必须有两位小数.如果你认为这样太苛刻,你可以改成:
^[0-9]+(.[0-9]{1,2})?$
这将允许小数点后面有一到两个字符. 现在我们加上用来增加可读性的逗号（每隔三位）, 我们可以这样表示:
^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
不要忘记加号 ‘+’ 可以被乘号 ‘*’ 替代如果你想允许空白字符串被输入话 (为什么?). 也不要忘记反斜杆 ’’ 在php字符串中可能会出现错误 (很普遍的错误). 现在，我们已经可以确认字符串了, 我们现在把所有逗号都去掉 str_replace(“,”, “”, $money) 然后在把类型看成 double然后我们就可以通过他做数学计算了.

检查email
好,让我们继续讨论怎么验证一个email地址. 在一个完整的email地址中有三个部分: POP3 用户名 (在 ‘@’ 左边的一切), ‘@’, 服务器名(就是剩下那部分). 用户名可以含有大小写字母阿拉伯数字,句号 (‘.’), 减号(‘-‘), and 下划线 (‘_’). 服务器名字也是符合这个规则,当然下划线除外.
现在, 用户名的开始和结束都不能是句点. 服务器也是这样. 还有你不能有两个连续的句点他们之间至少存在一个字符，好现在我们来看一下怎么为用户名写一个匹配模式:
^[_a-zA-Z0-9-]+$
现在还不能允许句号的存在. 我们把它加上:
^[_a-zA-Z0-9-]+(.[_a-zA-Z0-9-]+)*$
上面的意思就是说: “以至少一个规范字符（除.意外）开头,后面跟着0个或者多个以点开始的字符串.”

简单化一点, 我们可以用 eregi()取代 ereg().eregi()对大小写不敏感, 我们就不需要指定两个范围 “a-z” 和 “A-Z” – 只需要指定一个就可以了:
^[_a-z0-9-]+(.[_a-z0-9-]+)*$
后面的服务器名字也是一样,但要去掉下划线:
^[a-z0-9-]+(.[a-z0-9-]+)*$
Done. 现在只需要用”@”把两部分连接:
^[_a-z0-9-]+(.[_a-z0-9-]+)*@[a-z0-9-]+(.[a-z0-9-]+)*$
这就是完整的email认证匹配模式了,只需要调用
eregi(‘^[_a-z0-9-]+(.[_a-z0-9-]+)*@[a-z0-9-]+(.[a-z0-9-]+)*$ ’,$eamil)
就可以得到是否为email了

Other uses
提取字符串
ereg() and eregi() 有一个特性是允许用户通过正则表达式去提取字符串的一部分(具体用法你可以阅读手册). 比如说,我们想从 path/URL 提取文件名 – 下面的代码就是你需要:
ereg(“([^\/]*)$”, $pathOrUrl, $regs);
echo $regs[1];
高级的代换
ereg_replace() 和 eregi_replace()也是非常有用的: 假如我们想把所有的间隔负号都替换成逗号:
ereg_replace(“[ nrt]+”, “,”, trim($str));
一些练习
Now here’s something to make you busy:
• modify our e-mail-validating regular expression to force the server name part to consist of at least two names (hint: only one character needs to be changed);
• build a function call to ereg_replace() that emulates trim();
• make up another function call to ereg_replace() that escapes the characters ‘#’, ‘@’, ‘&’, and ‘%’ of a string with a ‘~’.
Have fun!
–dario