翻译有不正确的地方, 恳请指正......本翻译过段时间录入php官方文档

translator: slefimpr

blog: http://blog.csdn.net/lgg201

mail: lgg860911@yahoo.com.cn

PCRE

扩展的正则表达式会有一个每个线程都可用的全局缓存用来缓存编译后的正则表达式

.

PCRE

在

php4.2.0

中是默认启用的

,

可以通过

—without-pcre-regex

禁用

.

在

php 5.3.0

之后

,

这个扩展不能被禁用

.

但是仍然可以使用

—with-pcre-regex=DIR

来实用一个外部的

pcre

库进行编译

pcre.backtrack_limit:

默认

100000, pcre

回溯限制

pcre.recursion_limit:

默认

100000, pcre

的递归限制

.

需要注意的是

,

如果将这个值设置为一个很大的数字

,

你可能会消耗掉所有的进程可用堆栈

,

并且最终导致

php

崩溃

(

直到到达系统限制的堆栈大小

)

PREG_PATTERN_ORDER

结果按照

”

规则

”

排序

,

仅用于

preg_match_all,

即

$matches[0]

是完整规则的匹配结果

, $matches[1]

是第一个子组匹配的结果

PREG_SET_ORDER:

结果按照

”

集合

”

排序

,

仅用于

preg_match_all,

即

$matches[0]

保存第一次匹配结果的所有结果

(

包含子组

)

信息

, $matches[1]

保存第二次的结果信息

PREG_OFFSET_CAPTURE

在捕获的结果中

,

不仅包含结果子串

,

还会包含子串在原字符串中的位置

.

PREG_SPLIT_NO_EMPTY

告知

preg_split

仅返回非空的部分

PREG_SPLIT_DELIM_CAPTURE

告知

preg_split

同时捕获规则中的括号表达式匹配到的内容

PREG_SPLIT_OFFSET_CAPTURE

如果设置了这个标记

,

每次匹配得到的结果的

offset

位置将会被同时返回

.

PREG_NO_ERROR

如果

preg_last_error

调用后返回此值

,

则表明正则没有错误

PREG_INTERNAL_ERROR

如果

preg_last_error

调用后返回此值

,

则表明发生了

PCRE

内部错误

PREG_BACKTRACK_LIMIT_ERROR

如果回溯次数超过预设的值

, preg_last_error

函数返回此值

PREG_RECURSION_LIMIT_ERROR

如果递归次数超过预设的值

, preg_last_error

函数返回此值

PREG_BAD_UTF8_ERROR

如果

preg

的最后错误是由于异常的

utf-8

数据

(

仅在运行在

utf-8

模式正则表达式情况下

)

导致的

,

那么

preg_last_error

返回此值

PREG_BAD_UTF8_OFFSET_ERROR

如果偏移量与合法的

utf-8

代码

(

仅在运行在

utf-8

模式正则表达式情况下

)

的开始点不匹配

, preg_last_error

的调用返回此值

PCRE_VERSION

返回

pcre

版本号和发布日期

.

i        PCRE_CLASSES

大小写不敏感的修饰符

m      PCRE_MULTILINE

多行匹配

,

默认情况下

, PCRE

认为目标字符串是一组单行字符组成的

(

然而实际上它可能会包含多行

).

元字符

^

仅匹配字符串的开始位置

,

而元字符

$

则仅匹配字符串的末尾

,

或者新行之前

(

除非设置了

D

修饰符

).

这个修饰符和

perl

中工作一直

,

使用后

, ^

和

$

会匹配每一行的开始和结尾

如果目标字符串中没有

/n

字符或者模式中没有出现

^

和

$,

则设置此修饰符是没有任何影响的

.

s       PCRE_DOTALL

用来增强字符类

.(

点号

)

的功能

,

默认情况下

,

点号匹配任意字符

,

但不包括换行符及以后内容

.

使用此修饰符后

,

可以匹配任意字符包括换行符

x       PCRE_EXTENDED

如果设置了这个修饰符

,

模式中的空白字符

,

除非被转义或者在一个字符类中

,

否则都被忽略

.

在一个未转义的

#

之后直到下一个换行符之间的内容都会被正则表达式引擎忽略以方便添加注释

.

e       PREG_REPLACE_EVAL

使用此修饰符后

, preg_replace

的

$replacement

参数除了可以使用正常的反向引用来取得匹配值

,

还可以在其中书写

eval

语法允许的字符串进行求值

,

并将返回结果用于最终的替换

.

A       PCRE_ANCHORED

如果设置了此修饰符

,

模式被强制成为

”anchored”(

锚点

),

也就是说约束使其始终从字符串的嘴前面开始搜索

.

这个影响也可以通过构造适当的规则来实现

(perl

中只能这样实现

)

D      PCRE_DOLLAR_ENDONLY

如果设置了这个修饰符

, $

会匹配目标字符串的结尾之前

,

而如果没有设置这个修饰符

,

如果目标字符串最后一个字符时换行符

, $

就会匹配该换行符之前而不是字符串结尾之前

.

如果设置了

m

修饰符

,

则这个修饰符会被忽略

.

这一点和

perl

不一致

S

当一个模式需要多次使用的时候

,

我们为了获得更高的匹配效率

,

值得花费一些时间对其进行分析

.

如果设置了这个修饰符

,

将会进行这个额外的分析

.

当前

,

这种对一个模式的分析仅仅适用于非锚点的匹配

(

即没有一个单一固定的开始字符

)

U      PCRE_UNGREEDY

这个修饰符逆转了贪婪的模式

,

如果没有这个设置

,

默认情况下的正则匹配时贪婪的

,

量词后增加了

?

的模式是非贪婪的

,

但是如果设置了这个修饰符

,

则刚好相反

.

这个规则与

perl

是不兼容的

.

也可以在模式中使用

?U

来达到同样的效果

X       PCRE_EXTRA

这个修饰符启用了一个

PCRE

中与

perl

不兼容的额外功能

.

任意反斜线后面跟一个没有特殊含义的字符会导致一个错误

,

以此来保留这些组合以备后期扩展

.

默认情况下

,

和

perl

一样

,

反斜线后跟一个没有特殊含义的字符会以该字符原意解释

.

当前没有任何其他特性受此修饰符控制

J        PCRE_INFO_JCHANGED

与内部选项

?J

相同

,

用来改变本地

PCRE_DUPNAMES

选项

.

允许子组有重复的名字

u       PCRE8

这个修饰符打开一个

PCRE

中与

perl

不兼容的额外功能

.

模式字符串被认为是

UTF-8

的

.

默认情况下

,

使用

C

库函数

isspace()

判定一个任意字符是否是空白字符

,

尽管可以实用字符类表替代编译

PCRE.

通常

isspace()

匹配空格

,

换页

,

换行

,

回车

,

水平制表符和垂直制表符

. perl5

不再将垂直制表符包括到空白字符集中

. /v

这个转移实际上在很长时间都没有得到

perl

文档的承认

.

然而

,

这个字符自身被认为是一个空白字符至少是在

5.002

之上

.

在

5.004

和

5.005

它不和

/s

匹配

.

PCRE

不允许前瞻断言的量词修饰

, perl

允许这样做

,

但是这并不是你想象的那样

.

例如

, (?!a){3}

并不意味着断言接下来三个字符不是

a,

而是断言下一个字符不是

a

并进行

3

次

.

子模式的捕获发生在负向前瞻内部时会被计算

,

但是在偏移向量中病没有设置它们的条目

. perl

从断言失败之前匹配得到的这些模式匹配结果中设置了它的数值变量

(

因此是成功的

),

但这也仅在负向前瞻断言只有一个分支的时候

.

尽管目标字符串中支持二进制

0

字符

,

但是他们在模式字符串中是不允许的

,

因为他们是通过普通的

C

字符串传递的

,

而

C

字符串以

0

字符结束

.

转义序列

”/x00”

可以在模式中用于表示二进制

0

字符

.

不支持下面的

perl

转义序列

: /I, /u, /L, /U.

实际上这些都是通过

perl

一般的字符串处理来实现的

,

而不是模式匹配引擎的一部分

.

不支持

perl

的

/G

断言

,

因为它与单模式匹配没有关系

.

很显然

, pcre

不支持

(?{


代码

})

和

(??{


代码

})

的构造

.

然而

,

它支持递归模式

在

perl 5.005_02

中当设置为捕获字符串的模式中有部分重复的时候会有一些古怪的现象发生

,

比如

: /^(a(b)?)+$/

捕获

aba

的时候

, $2

会被设置为

b,

然而

,

如果把模式修改为

/^(aa(bb)?)+$/

的时候

,

用

aabbaa

去匹配

, $2

将不会得到匹配结果

.

如果将模式修改为

/^(aa(b(b))?)+$/

的时候

, $2

和

$3

又都能够匹配到结果

.

在

perl 5.004

中

$2

在这几种情况下都能够得到匹配结果

,

并且

PCRE

中夜市这样

.

如果未来

perl

修改为一致的那就不同了

, PCRE

可能接下来会修改

.

还有一个没有解决的差异是

perl 5.005_02

中

,

模式

/^(a)?(?(1)a|b)+$/

会匹配字符串

”a”,

而

pcre

中不会

.

然而

, perl

和

pcre

中

/^(a)?a/

匹配

”a”

都会得到相同的结果

, $1

都未被设置

.

PCRE

提供了一些对

perl

正则表达式的扩展

1.

虽然后瞻断言要求必须匹配固定长度的字符串

,

然而后瞻断言的每个可选分支还是可以实用不同长度的字符串的

,

而

perl 5.005

中要求它们必须拥有同样的长度

2.

如果

PCRE_DOLLAR_ENDONLY

设置了并且

PCRE_MULTILINE

没有设置

, $

元字符仅匹配字符末尾之前

3.

如果

PCRE_EXTRA

设置了

,

反斜线紧跟一个没有特殊含义的字符将会导致错误

4.

如果

PCRE_UNGREEDY

设置了

,

贪婪模式控制被逆转

,

即

:

默认是非贪婪模式

,

在量词后增加

?

表明是贪婪模式

.

PCRE

函数需要的模式以分隔符闭合的包含

.

不像

POSIX, PCRE

扩展没有专门的函数用来区分大小写敏感

.

取而代之的是使用

i

这个模式修饰符来达到相同的效果

.

其他模式修饰符也可以用来改变匹配策略

.

POSIX

函数从最左面寻找最长的匹配

,

但是

PCRE

在查找到第一个合法匹配后就结束

.

如果字符串没有匹配到结果

,

那么两者是没有差别的

,

但是如果匹配到结果

,

两者就会在结果和速度上都有差别

.

为了说明这个不同之处

,

考虑

Jeffrey Friedl

著的

”

精通正则表达式

”

一书中的例子

.

使用

one(self)?(selfsufficient)?

这个模式来匹配

oneselfsufficient

这个字符串

, PCRE

将会产生

oneself

这个结果

,

但是

POSIX

将会匹配到完整的字符串

oneselfsufficient.

两者都从原始字符串中匹配到了结果

,

但是

POSIX

需要的是最长的结果

.

mixed preg_replace(mixed $pattern, mixed $replacement, mixed $subject[, int $limit = -1[, int &$count]])

执行一个正则表达式的搜索和替换

.

从

$subject

中搜索与

$pattern

匹配的结果并使用

$replacement

替换它们

.

$pattern

要搜索的模式

.

可以是字符串或者一个字符串数组

.

e

修饰符可以使

preg_replace()

函数在进行了参数替换

(

后向引用

)

后

$replacement

参数被当做

php

代码来执行

.

请确保

$replacement

是合法的

php

代码

,

否则会在包含

preg_replace()

的行上引发一个解析错误

$replacement

用于替换的字符串或字符串数组

.

如果这个参数是字符串

,

并且

$pattern

参数是一个数组

,

所有的模式都是用这个字符串描述的规则进行替换

.

如果

$pattern

和

$replacement

都是数组

,

每个模式是用

$replacement

中对应的字符串进行替换

.

如果

$replacement

中的元素比

$pattern

中的元素少

,

那么

$pattern

中多出来的模式是用空字符串进行替换

.

$replacement

可以使用

//n

或

$n

进行后向引用

,

后者是首选的语法

.

每个这样的后向引用语法会被替换为模式捕获到的第

n

个子组的匹配结果文本

. n

可以是

0-99

之间的数字

. //0

或者

$0

后向引用的是整个模式匹配到的结果文本

.

捕获子组的序列

(

这里的

n)

指的是代表子组的圆括号中的左括号在模式中出现的顺序

(

即第一个左括号代表的子组

n=1

， 第二个

n=2

， 依此类推

),

如果想要在

$replacement

中使用反斜线

,

需要对其进行转义

(

即

PHP

字符串

””)

当

$replacement

规则使用后向引用工作时

,

并且后向引用后面需要立即使用一个数值

,

比如

”//11”

这个时候

,

正则表达式引擎是没有办法判定你后向引用的子组是

”//1”

而不是

”//11”,

这种情况下使用语法

/${1}1

来解决

,

用

{}

将后向引用子组序号

1

和原文字符串

1

进行隔离

.

当使用

e

修饰符时

,

这个函数转义字符串中的一些字符

(

即

: ’, “, /

和空字符

),

替换后向引用

,

这些完成之后

,

确保后向引用替换没有导致语法错误

,

然后会将

$replacement

作为

php

代码执行

,

并将执行结果作为最终用来替换的字符串

.

$subject

用于搜索和替换的源字符串或字符串数组

.

如果

$subject

是一个数组

,

会搜索和替换每一个

$subject

中的元素

,

并且同样返回一个数组

$limit

每个模式在每个

$subject

字符串中最大可以被替换的次数

.

默认

-1(

不限制

)

$count

一个引用方式的参数

,

如果指定

,

该参数最终被填充为进行替换的次数

.

返回

如果

$subject

是一个数组

,

返回数组

,

否则返回字符串

.

如果找到匹配

,

返回替换后新的

$subject.

其他情况下

$subject

会无变化返回

.

当发生错误时返回

NULL.

mixed preg_filter(mixed $pattern, mixed $replacement, mixed $subject[, int $limit = -1[, int &$count]])

这个函数等同于

preg_replace,

除了它仅仅返回匹配结果

.

更多关于此函数如何工作的信息

,

请查看

preg_replace

文档

如果

$subject

参数是一个数组

,

返回一个数组描述的匹配结果

,

否则返回

string

如果没有匹配到任何结果或发生了错误

,

在

$subject

是数组时返回空数组

,

否则返回

NULL

array preg_grep(string $pattern, array $input[, int $flags = 0])

对

$input

中的每一个元素使用

$pattern

进行测试

,

返回匹配的元素组成的数组

.

如果

$flags

的值为

PREG_GREP_INVERT,

那么将会返回不匹配的元素组成的数组

.

返回的数组中元素的索引会被保留

.

int preg_last_error(void)

返回最后一次

pcre

正则表达式执行的错误代码

.

PREG_NO_ERROR/PREG_INTERNAL_ERROR/PREG_BACKTRACK_LIMIT_ERROR/PREG_RECURSION_LIMIT_ERROR/PREG_BAD_UTF8_ERROR/PREG_BAD_UTF8_OFFSET_ERROR

等错误代码的意义详见

pcre

预定义常量部分

.

int preg_match_all(string $pattern, string $subject, array &$matches[, int $flags[, int $offset]])

从

$subject

中搜索所有与

$pattern

给定正则表达式匹配的结果

,

并且将匹配到的结果按照

$flags

指定的顺序放入

$matches

在第一个匹配发现后

,

子序列继续搜索直到最后一个匹配

.

$pattern

用于搜索的模式

$subject

输入字符串

$matches

保存匹配结果的多维数组

,

顺序依赖于

$flags

参数

$flags

可以是以下值的组合

.(

注意

,

这并不是说

PREG_PATTERN_ORDER

和

PREG_SET_ORDER

可以同时使用

)

如果没有给定任何

flag,

默认启用的是

PREG_PATTERN_ORDER

译注

:

一个模式可能在字符串中发现多个匹配

,

一个模式也会有多个子组

,

这里的排序

flag

用来指明第一维表示子组还是多次匹配

PREG_PATTERN_ORDER: $matches[0]

中包含第一个子组中所有匹配到的结果

, $matches[1]

中包含第二个子组中所有匹配到的结果

.

PREG_SET_ORDER: $matches[0]

中包含第一次匹配得到的结果

(

包含所有子组

), $matches[1]

包含第二次匹配得到的结果

(

包含所有子组

)

PREG_OFFSET_CAPTURE:

如果传递了这个

flag,

每一个匹配的字符串在返回时都会包含它在原始字符串中的偏移量

.

注意

:

这会改变

$matches

中最终输出的匹配结果数组元素

,

原来是二维数组

,

且第二维值是匹配到的字符串

,

使用此

flag

后

,

第二维会成为一个数值索引的数组

,

其中第一个元素是匹配得到的字符串

,

第二个元素是该匹配结果在原始字符串

($subject)

中的偏移量

$offset

模式

$pattern

从字符串

($subject)

的什么位置开始搜索

.

这个可选参数用来控制从指定位置开始搜索

(

单位是字节

)

注意

:

实用

$offset

参数和传递实用

substr($subject, $offset)

截取后的

$subject

到

preg_match_all()

函数中是不一样的

,

因为使用了

$offset

之后

, $pattern

依然可以使用

^, $

元字符进行首尾判断

,

并且可以使用

(?<=xx)

进行前瞻断言

.

返回

返回完成模式成功匹配的次数

(

可能是

0),

当发生错误时返回

FALSE

changelog

php5.2.2

中

, $pattern

开始可以使用

(?<name>), (?’name’)

以及

(?P<name>)

来进行子组命名

,

之前的版本中只接受

(?P<name>)

语法

.

int preg_match(string $pattern, string $subject[, array &$matches[, int $flags[, int $offset]]])

使用

$pattern

搜索

$subject

的一个匹配

,

如果给定了

$matches

参数

,

则该参数用来保存搜索结果

.

除了

$flags

参数不能接受

PCRE_PATTERN_ORDER

和

PCRE_SET_ORDER

来决定顺序外

,

其余参数用法和

preg_match_all()

一致

返回

$pattern

匹配的次数

.

它可能是

0

次

(

没有匹配

)

或者

1

次

(

因为

preg_match()

在搜索到一个匹配之后就会停止

)

当发生错误的时候

,

返回

false.

注意


:

如果你仅仅想判断一个字符串是否包含在另外一个字符串中

,

不要使用

preg_match,

请使用

strpos

或

strstr

string preg_quote(string $str[, string $delimiter = null])

对

$str

中的每一个正则表达式语法定义的特殊字符进行转义

.

这通常用于你有一个运行时字符串需要用作正则表达式进行匹配而它又包含特殊的正则表达式字符的时候

.

特殊的正则表达式字符包括

: . / + * ? [ ^ ] $ ( ) { } = ! < > | : –

可选的

$delimiter

参数用来指定额外的需要进行转义的字符

,

这通常用于对你的正则表达式分隔符进行转义

,

比如通常用作正则表达式分隔符的

/

mixed preg_replace_callback(mixed $pattern, callback $callback, mixed $subject[, int $limit = -1[, int &$count]])

这个函数和

preg_replace()

的功能相同

,

不同点在于

$replacement

使用了一个回调函数进行自定义的构造

,

每一个获取到的对

$pattern

的完整匹配会对应一次替换

,

也就是对

$callback

的调用

,

调用时

$callback

接受到的参数是所有的子组

,

其中第一个参数是第

0

个子组

,

也就是对

$pattern

的完整匹配

.

最终用作替换的字符串是

$callback

的返回值

.

其他参数与

preg_replace

相同

.

array preg_split(string $pattern, string $subject[, int $limit = -1[, int $flags = 0]])

用给定的

$pattern

分隔字符串形成数组返回

.

$limit

用来限制最终返回的数组的最大长度

,

默认

-1

表示不限制

, 0

也表示不限制

.

$flags

可以是以下值的组合

PREG_SPLIT_NO_EMPTY:

如果此项被设置

,

最终返回的数组仅包括分隔之后非空的部分

PREG_SPLIT_DELIM_CAPTURE:

如果此项设置

,

在

$pattern

中的括号表达式奖会被捕获并作为返回

PREG_SPLIT_OFFSET_CAPTURE:

如果此项设置

,

得到的分隔结果中不仅包含分隔后的字符串

,

还会包括该子串在原始字符串中的偏移量

. (

译注

:

假设使用

”/ab/”

分隔字符串

”helloabworld”

原来返回

array(“hello”, “world”)),

那么使用此标记后返回

array(array(“hello”, 0), array(“world”, 7))

注意

:

如非必须

,

不要使用

preg_split,

你可以使用

explode()

或

str_split()

替代

.

ereg_replace, eregi_replace, preg_replace, preg_replace_callback, preg_filter

用来做正则替换

ereg, eregi, preg_match, preg_match_all

用来做正则匹配

split, spliti, preg_split

用来做正则分割

preg_grep

用来做正则查找

.

下面描述的是

PCRE

支持的正则表达式语法和语义

.

正则表达式同样在

perl

文档或其他一些书籍中有所描述

,

其中有非常丰富的示例

. Jeffrey Friedl

的

”

精通正则表达式

”

一书非常详细的讨论了这些内容

.

这里的描述目的仅作为参考手册

.

一个正则表达式的模式从左至右不断匹配一个目标字符串

.

大多数字符自身就代表一个模式

,

并且匹配目标字符串中对应的字符

.

作为一个简单的例子

The quick brown fox

匹配在目标字符串中与其相同的部分

.

当使用

PCRE

函数的时候

,

它要求模式使用闭合的分隔符包裹

.

分隔符可以是任意的非字母数字

,

非反斜线

,

非空的字符

.

经常用作分隔符的符号有

/, #, ~

等

.

如果在模式中需要使用分隔符自身

,

就需要通过在前面追加一个反斜线对其进行转义

.

如果分隔符经常需要在模式中出现

,

那么一个好的选择就是选用另外的字符当做分隔符

.

preg_quote

函数可以用于转义字符串中被用作正则表达式特殊字符的字符

,

并且它的第二个参数可以用于指定分隔符同样对其进行转义

.

除了上面提到的分隔符

,

还可以使用括号样式的分隔符

,

左括号和右括号分别位于模式字符串的开始和结束位置即可

(

大括号

{},

中括号

[],

小括号

()

都可以

)

你可以在结束的分隔符后面增加模式修饰符

.

正则表达式的威力在于它在模式中拥有选择和重复的能力

.

这些编码在模式中被称作

元字符


,

也就是说这些字符不再单纯代表它们自己

,

而是赋予了特别的含义

.

有两种不同的元字符

,

一种是可以在方括号外任何地方使用的

,

另外一种是在方括号内使用的

.

/

通常用于字符转义

^

代表目标字符串的开始位置

(

在多行模式下为行首

)

$

代表目标字符串的末尾位置

(

在多行模式下为行尾

)

.

除了换行符外的任意字符

(

这是默认情况

,

其他意义参见模式修饰符

s)

[

字符类定义的开始标记

]

字符类定义的结束标记

|

开始一个可选分支

(

子组开始标记

)

子组结束标记

?

作为

(

数

)

量词

(

直接位于字符类

/

子组后面

),

代表

0

个或

1

个

.

位于量词后面

,

逆转贪婪模式

*


0

个或任意多个

+       1

个或任意多个

{


自定义量词开始标记

}

自定义量词结束标记

/

用于转义字符

^

仅当作为中括号第一个字符时

,

表明该字符类取反

,

即匹配不在其中罗列的字符

–

声明字符范围

]

自定义字符类结束

反斜线有多种用法

.

首先

,

如果它后面紧跟一个非数字字母的字符

,

表明取消任何该字符的特殊含义

,

进行原文匹配

.

这个将反斜线作为转义字符的应用在字符类内部和外部都有效

.

比如

,

如果你想要匹配

”*”

字符

,

你需要在模式中使用

”/*”.

这适用于一个字符在不进行转义会有特殊含义的情况下

.

但是

,

对于非数字字母的字符

,

总是在需要其进行原文匹配的时候在它前面增加一个反斜线

,

来声明它代表自己

,

这是安全的

.

如果要匹配一个反斜线

,

那么在模式中使用

”//”.

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

,

模式中必须写为

””.

译注

: “”,

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

///,

这个才是正则表达式引擎拿到的模式

,

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

,

因此

,

需要

4

个反斜线才可以匹配一个反斜线

.

如果一个模式被使用

PCRE_EXTENDED

选项编译

,

模式中的空白字符

(

除了字符类中的

)

和未转义的

#

到行末的所有字符都会被忽略

.

要在这种情况下使用空白字符或者

#,

就需要对其进行转义

.

反斜线的第二种用途提供了一种对非打印字符进行可见编码的控制手段

.

除了二进制的

0

会终结一个模式外

,

并不会严格的限制非打印字符

(

自身

)

的出现

,

但是当一个模式以文本编辑器的方式编辑准备的时候

,

使用下面的转义序列相比使用二进制字符会更加容易

.

/a

响铃字符

(

十六进制

07)

/cx   control-x, x

是任意字符

/e

转义

(

十六进制

1B)

/f

换页

(

十六进制

0C)

/n

换行

(

十六进制

0A)

/p{xx}

一个符合

xx

属性的字符

,

详细查看

unicode

属性

/P{xx}

一个不符合

xx

属性的字符

,

详细查看

unicode

属性

/r

回车

(

十六进制

0D)

/t

水平制表符

(

十六进制

09)

/xhh         hh

十六进制编码的字符

,

详细查看

unicode

属性

/ddd          ddd

八进制编码的字符

,

或者后向引用

“/cx”

的确切效果如下

:

如果

”x”

是一个小写字母

,

它被转换为大写

.

接着

,

将字符的第

6

位

(

十六进制

40,

右数第一个位为第

0

位

)

取反

.

比如

”/cz”

成为十六进制的

1A, “/c{“

成为十六进制

3B, “/c;”

成为十六进制

7B.

在

”/x”

后面

,

读取两个十六进制数

(

字母可以是大写或小写

).

在

UTF-8

模式

, “/x{…}”

允许使用

,

花括号内的内容是十六进制有效数字

.

它将给出的十六进制数字解释为

UTF-8

字符代码

.

原来的十六进制转义序列

, /xhh,

匹配一个双字节的

UTF-8

字符

,

如果它的值大于

127

在

”/0”

之后

,

读取两个八进制数

.

所有情况下

,

如果数少于

2

个

,

则直接使用

.

序列

”/0/x/07”

指定了两个二进制

0

紧跟着一个

BEL

字符

.

请确保初始的

0

之后的两个数字是合法的八进制数

.

处理一个反斜线紧跟着的不是

0

的数字的情况比较复杂

.

在字符类外部

, PCRE

读取它并以十进制读取紧随其后的数字

.

如果数值小于

10

， 或者之前捕获到了该数字能够代表的左括号

(

子组

),

整个数字序列被认为是

后向引用


.

后向引用如何工作在后面描述

,

接下来就会讨论括号子组

.

在一个字符类里面

,

或者十进制数大于

9

并且没有那么多的子组被捕获

, PCRE

重新读取反斜线后的第三个

8

进制数字

,

并且从最低的

8

位生成单字节值

.

任何的后续数字都代表它们自身

.

例如

:

/040:

空格的另一种写法

/40

： 当提供了少于

40

个子组时

,

也是空格

/7

：


始终是后向引用

/11

： 可能是后向引用

,

也可能是制表符

/011

： 始终是制表符

/0113

： 一个制表符紧跟一个

3(

因为每次最多只读取

3

个

8

进制位

)

/113

：八进制

113

代表的字符

/377

：

8

进制

377

是

10

进制

255,

因此代表全

1

的一个字符

/81:

一个后向引用或者一个二进制

0

紧跟两个数字

8

和

1(

因为

8

不是

8

进制有效数字

)

注意

,

八进制值的

100

或者更大的值必须

没有

前置的

0

引导

,

因为每次最多读取

3

个

8

进制位

.

所有序列定义的单字节值都可以在字符类内部或外部使用

.

另外

,

在字符类中

,

序列

”/b”

解释为退格字符

.

字符类外它又有不同的意义

(

下面有描述

)

反斜线的第三种用法是用来描述特定的字符类

:

/d

任意十进制数位

/D

任意非十进制数位

/h

任意水平空白字符

(PHP 5.2.4)

/H

任意非水平空白字符

(PHP 5.2.4)

/s

任意空白字符

/S

任意非空白字符

/v

任意垂直空白字符

(PHP 5.2.4)

/V

任意非垂直空白字符

(PHP 5.2.4)

/w

任意单词字符

/W

任意非单词字符

上面每一对转义序列都代表了完整字符集中两个不相交的部分

,

任意字符一定会匹配其中一个

,

同时一定不会匹配另外一个

.

单词字符指的是任意字母

,

数字

,

下划线

.

也就是说任意可以组成

perl

单词的字符

.

字母和数字的定义通过

PCRE

字符表控制

,

可以通过指定地域设置使其匹配改变

.

比如

,

在法国

(fr)

地域设置中

,

一些超过

128

的字符代码被用于重音字母

,

它们可以实用

/w

匹配

.

这些字符类序列在字符类内部或外部都可以出现

.

他们每次匹配所代表的字符类型中的一个字符

.

如果当前匹配点位于目标字符串末尾

,

它们中的所有字符都匹配失败

,

因为没有字符让它们匹配了

.

反斜线的第四种用法是一些简单的断言

.

一个断言指定一个必须在特定位置匹配的条件

,

它们不会从目标字符串中消耗任何字符

.

接下来我们会讨论使用子组的更加复杂的断言

.

反斜线断言包括

:

/b

单词边界

/B

非单词边界

/A

目标的开始位置

(

独立于多行模式

)

/Z

目标的结束位置或结束处的新行

(

独立于多行模式

)

/z

目标的结束位置

(

独立于多行模式

)

/G

在目标中的首次匹配位置

这些断言不能出现在字符类中

(

但是注意

, “/b”

在字符类中有不同的意义

,

表示的是退格

(backspace)

字符

)

一个单词边界表示的是在目标字符串中

,

当前字符和前一个字符不同时匹配

/w

或

/W(

一个比配

/w,

一个匹配

/W),

或者作为字符串开始或结尾字符的时候当前字符匹配

/w.

/A, /Z, /z

断言不同于传统的

^

和

$(

详见下文

),

因为他们永远匹配目标字符串的开始和结尾

,

而不会受模式修饰符的限制

.

它们不受

PCRE_MULTILINE, PCRE_DOLLAR_ENDONLY

选项的影响

. /Z

和

/z

之间的不同在于当字符串结束字符时换行符时

/Z

会将其看做字符串结尾匹配

,

而

/z

只匹配字符串结尾

.

/G

断言在指定了

$offset

参数的

preg_match()

调用中

,

仅在当前匹配位置在匹配开始点的时候才是成功的

.

当

$offset

的值不为

0

的时候

,

它与

/A

是不同的

.

译注

:

另外一点与

/A

的不同之处在于使用

preg_match_all()

时

,

每次匹配

/G

只是断言是否是匹配结果的开始位置

,

而

/A

断言的则是匹配结果的开始位置是否在目标字符串开始位置

自

php4.3.3

开始

, /Q

和

/E

可以用于在模式中忽略正则表达式元字符

.

比如

: /w+/Q.$./E$

会匹配一个或多个单词字符

,

紧接着一个点号

,

一个

$,

一个点号

,

最后锚向字符串末尾

.

自

PHP 5.2.4

开始

. /K

可以用于重置匹配

.

比如

, foot/Kbar

匹配

”footbar”,

但是得到的匹配结果是

”bar”.

但是

, /K

的使用不会干预到子组内的内容

,

比如

(foot)/Kbar

匹配

”footbar”,

第一个子组内的结果仍然会是

”foo”.

译注

: /K

放在子组和子组外面的效果是一样的

.

自从

PHP 4.4.0

和

5.1.0,

三个额外的转义序列在选用

UTF-8

模式时用于匹配通用字符类型

.

他们是

:

/p{xx}

一个有属性

xx

的字符

/P{xx}

一个没有属性

xx

的字符

/X

一个扩展的

Unicode

序列

上面

xx

代表的属性名用于限制

Unicode

通常的类别属性

.

每个字符都有一个这样的确定的属性

,

通过两个缩写的字母指定

.

为了与

perl

兼容

,

可以在左花括号

{


后面增加

^

表示取反

.

比如

: /p{^Lu}

就等同于

/P{Lu}

如果通过

/p

或

/P

仅指定了一个字母

,

它包含所有以这个字母开头的属性

.

在这种情况下

,

花括号的转义序列是可选的

.

比如

: /p{L}

可以写作

/pL

“Greek”, “InMusicalSymbols”

等扩展属性在

PCRE

中不支持

指定大小写不敏感匹配对这些转义序列不会产生影响

,

比如

, /p{Lu}

始终匹配大写字母

.

/X

转义匹配任意数量的

Unicode

字符

. /X

等价于

(?>/PM/pM*)

也就是说

,

它匹配一个没有

”mark”

属性的字符

,

紧接着任意多个由

”mark”

属性的字符

.

并将这个序列认为是一个原子组

(

详见下文

).

典型的有

”mark”

属性的字符是影响到前面的字符的重音符

.

用

Unicode

属性来匹配字符并不快

,

因为

PCRE

需要去搜索一个包含超过

15000

字符的数据结构

.

这就是为什么在

PCRE

中要使用传统的转义序列

/d, /w

而不使用

Unicode

属性的原因

.

在一个字符类外面

,

在默认匹配模式下

, ^

是一个断言当前匹配点位于目标字符串开始处的断言

.

在一个字符类内部

, ^

表明这个字符类中描述的字符取反

(

详见下文

).

^

并不一定要是模式的第一个字符

,

但是如果处于某个可选分支时

,

它应该是该分支的首字符

.

如果所有选择分支都以

^

开头

,

这就是说

,

如果模式限制为只匹配目标的开头

,

它被称为是一个

”

紧固

”

模式

.(

同样也有其他方式可以构造出紧固模式

)

$

是用于断言当前匹配点位于目标字符串末尾

,

或当目标字符串以换行符结尾时当前匹配点位于该换行符位置

(

默认情况

). $

不一定要作为模式的最后一个字符

,

但是如果它在某个可选分支中时

,

就应该位于该分支的末尾

. $

在字符类中没有特殊的意义

.

$

的意义可以通过在编译或匹配时设置

PCRE_DOLLAR_ENDONLY

改变为只匹配字符串末尾

.

这不会影响

/Z

断言的行为

.

^

和

$

字符的意义在

PCRE_MULTILINE

选项被设置时会发生变化

.

当在这种情况下时

,

它们匹配每一个换行符后面的和前面的字符

,

另外

,

也会匹配目标字符串的开始和结束

.

比如

,

模式

/^abc$/

在多行模式下会成功匹配目标字符串

”def/nabc”,

而正常情况下不会

.

因此

,

由于所有的可选分支都以

^

开始

,

在单行模式下这成为紧固模式

,

然而在多行模式下

,

这是非紧固的

. PCRE_DOLLAR_ENDONLY

选项在

PCRE_MULTILINE

设置后失效

.

注意

: /A, /Z, /z

等转义序列可以在任何模式下用于匹配目标字符串的开始和结束位置

.

并且如果模式的所有分支都以

/A

开始

,

它同样是紧固的

,

而与

PCRE_MULTILINE

是否设置

.

在字符类外部

,

模式中的句点匹配目标字符串中的任意字符

,

包括非打印字符

,

但是

(

默认

)

不包括换行符

.

如果

PCRE_DOTALL

被设置

,

句点就会匹配换行符

.

句点的处理和

^, $

的处理没有关联

,

它们唯一的关系是它们都涉及到了换行符

.

句点在字符类中没有任何意义

.

/C

可以被用于匹配单字节

,

也就是说在

UTF-8

模式下

,

句点可以匹配多字节字符

.

左方括号开始一个字符类的描述

,

并以方中括号结束

.

单独的一个右方括号没有特殊含义

.

如果一个右方括号需要作为一个字符类中的成员

,

那么可以将它写在字符类的首字符处

(

如果使用了

^

取反

,

那么是第二个

)

或者使用转义符

.

一个字符类在目标字符串中匹配一个单独的字符

;

该字符必须是字符类中定义的字符集合的其中一个

,

除非使用了

^

对字符类取反

.

如果

^

需要作为一个字符类的成员

,

确保它不是该字符类的首字符

,

或者对其进行转义即可

.

例如

,

字符类

[aeiou]

匹配所有的小写元音字母

,

而

[^aeiou]

匹配所有非元音字母的字符

.

注意

: ^

只是一个通过枚举指定那些不存在字符类之中的字符的便利符号

.

而不是断言

,

它仍然会从目标字符串中消耗一个字符

,

并且如果当前匹配点在目标字符串末尾

,

匹配将会失败

.

换行符在字符类中没有任何特殊涵义

,

与

PCRE_DOTALL

或

PCRE_MULTILINE

选项都无关

.

一个字符类比如

[^a]

始终会匹配换行符

在字符类中

,

一个中划线

(

减号

-)

可以用于指定从一个字符到另一个字符的范围

.

比如

, [d-m]

匹配

d

到

m

之间的所有字符

,

这个集合时闭合的

.

如果中划线自身要在一个字符类中描述

,

它必须被转移或者出现在一个不会被解释为一个范围的位置

,

典型的比如字符类开始或结束位置

.

在一个字符范围描述后面不能使用右中括号

.

比如一个模式

[W-]46]

被解释为一个包含

W

和

–

的字符类

,

后面紧跟字符串

”46]”,

因此它可以匹配

”W46]”

或

”-46]”.

然而

,

如果中括号是经过转义的

,

它将会被解释为范围的终点

,

因此

[W-/]46]

就会被解释为一个单独的包含

W

至

]

范围内所有字符以及

4,6

的字符类

. 8

进制或

16

进制描述的中括号同样可以用于作为范围的终点

.

范围操作以

ASCII

整理排序

.

它们可以用于为字符指定数值

,

比如

[/000-/037].

如果在大小写不敏感匹配模式下使用一个包含字母的范围

,

则同时匹配它的大小写形式

.

比如

[W-c]

在不区分大小写匹配时等价于

[][/^_`wxyzabc],

并且

,

如果使用了

”fr”(

法国

)

的地域设置字符表时

, [/xc8-xcb]

将会在所有模式下匹配重音

E

字符

.

字符类

/d, /D, /s, /S, /w

和

/W

也可以出现在一个字符类中

,

用以将其匹配的字符类加入到新的自定义字符类中

.

比如

, [/dABCDEF]

匹配任意合法的

16

进制数

.

用

^

可以很方便的制定严格的字符类

,

比如

[^/W_]

匹配任何字母或数字

,

但不匹配下划线

perl

支持

POSIX

字符类符号

.

这种字符类使用

[:

和

:]

闭合

. PCRE

同样支持这些字符类

,

比如

, [01[:alpha:]%]

匹配

”0”, “1”,

任意字母或

”%”.

支持的字符类如下

:

[:alnum:]

字母和数字

[:alpha:]

字母

[:ascii:]               0-127

的

ascii

字符

[:blank:]

空格和制表符

[:cntrl:]

控制字符

[:digit:]

十进制数

(/d)

[:graph:]

打印字符

,

不包括空格

[:lower:]

小写字母

[:print:]

打印字符

,

包括空格

[:punct:]

打印字符

,

不包括字母和数字

[:space:]

空白字符

(

比

/s

多个垂直指标

)

[:upper:]

大写字母

[:word:]

单词字符

(/w)

[:xdigit:]

十六进制字符

空白字符有

HT(9), LF(10), VT(11), FF(12), CR(13), space(32).

注意

,

这个列表包含了垂直制表符

.

这使得

space

不同于

/s,

因为它不包含垂直制表符

(

为了向

perl

兼容

)

[:word:]

是一个

perl

扩展

, [:blank:]

是一个从

Perl5.8

中来的

GNU

扩展

.

另外一个

perl

扩展是取反

,

通过前置一个

^.

比如

, [12[:^digit:]]

匹配

”1”, “2”

或任何非数字字符

在

UTF-8

模式

,

大于

128

的字符值不会匹配任何

POSIX

字符类

.

竖线字符用于分离模式中的可选路径

.

比如模式

gilbert|Sullivan

匹配

”gilbert”

或者

”sullivan”.

竖线可以在模式中出现任意多个

,

并且允许有空的可选路径

(

匹配空字符串

).

匹配的处理从左到右尝试每一个可选路径

,

并且使用第一个成功匹配的

.

如果可选路径在子组

(

下面定义

)

中

,

则

”

成功匹配

”

表示同时匹配了子模式中的分支以及主模式中的其他部分

.

PCRE_CASELESS, PCRE_MULTILINE, PCRE_DOTALL, PCRE_UNGREEDY, PCRE_EXTRA, PCRE_EXTENDED

以及

PCRE_DUPNAMES

等模式修饰设置可以在模式内部通过一个

perl

选项字符序列来设置

,

语法为

: (?

修饰符

),

可选的修饰符有

:

i                   PCRE_CASELESS

m       PCRE_MULTILINE

s         PCRE_DOTALL

x        PCRE_EXTENDED

U       PCRE_UNGREEDY

X        PCRE_EXTRA

J         PCRE_INFO_JCHANGED

比如

, (?im)

设置表明多行大小写不敏感匹配

.

同样可以用它来取消这些设置

,

比如

(?im-sx)

设置了

PCRE_CASELESS, PCRE_MULTILINE,

但是同时取消了

PCRE_DOTALL

和

PCRE_EXTENDED.

如果一个字母即出现在

–

之前

,

也出现在

–

之后

,

这个选项被取消设置

.