正则表达式级技巧基本概念实例详解.docVIP

正则表达式高级技巧基本概念实例详解 正则表达式高级技巧基本概念实例详解 原文作者：karthik viswanathan 原文链接：crucial concepts behind advanced regular expressions 译者：笨活儿 英文原文来自smashing magazine。由笨活儿翻译。转载请注明出处。 正则表达式(regular expression abbr. regex) 功能强大，能够用于在一大串字符里找到所需信息。它利用约定俗成的字符结构表达式来发生作用。不幸的是，简单的正则表达式对于一些高级运用，功能远远不够。若要进行筛选的结构比较复杂，你可能就需要用到高级正则表达式。 本文为您介绍正则表达式的高级技巧。我们筛选出了八个常用的概念，并配上实例解析，每个例子都是满足某种复杂要求的简单写法。如果你对正则的基本概念尚缺乏了解，请先阅读这篇文章，或者这个教程，或者维基条目。 这里的正则语法适用于php，与perl兼容。 1. 贪婪/懒惰 所有能多次限定的正则运算符都是贪婪的。他们尽可能多地匹配目标字符串，也就是说匹配结果会尽可能地长。不幸的是，这种做法并不总是我们想要的。因此，我们添加“懒惰”限定符来解决问题。在各个贪婪运算符后添加“?”能让表达式只匹配尽可能短的长度。另外，修改器“u”也能惰化能多次限定的运算符。理解贪婪与懒惰的区别是运用高级正则表达式的基础。 贪婪操作符 操作符 匹配之前的表达式零次或零次以上。它是一个贪婪操作符。请看下面的例子： 1.preg_match( / h1 . /h1 / h1 这是一个标题。 /h1 2. h1 这是另一个。 /h1 $matches ) 句点(.)能代表除换行符外的任意字符。上面的正则表达式匹配 h1 标签以及标签内的所有内容。它用句点(.)和星号()来匹配标签内的所有内容。匹配结果如下： 1. h1 这是一个标题。 /h1 h1 这是另一个。 /h1 整个字串都被返回。 操作符会连续匹配所有内容—— 甚至包括中间的 h1 闭合标签。因为它是贪婪的，匹配整个字串是符合其利益最大化原则。 懒惰操作符 把上面的式子稍作修改，加上一个问号(?)，能让表达式变懒惰： 1./ h1 .? /h1 / 这样它会觉得，只需匹配到第一个 h1 结尾标签就完成任务了。 另一个有着类似属性的贪婪操作符是 {n } 。它代表之前的匹配模式重复n次或n次以上，如果没有加上问号，它会寻找尽可能多的重复次数，加上的话，则会尽可能少重复（当然也就是“重复n次”最少）。 1.# 建立字串 2.$str = hihihi oops hi 3.# 使用贪婪的{n }操作符进行匹配 4.preg_match( /(hi){2 }/ $str $matches ) # matches[0] 将是 hihihi 5.# 使用堕化了的 {n }? 操作符匹配 6.preg_match( /(hi){2 }?/ $str $matches ) # matches[0] 将是 hihi 2. 回返引用(back referencing) 有什么用？ 回返引用(back referencing)一般被翻译成“反向引用”、“后向引用”、“向后引用”，个人觉得“回返引用”更为贴切[笨活儿]。它是在正则表达式内部引用之前捕获到的内容的方法。例如，下面这个简单例子的目的是匹配出引号内部的内容： 01.# 建立匹配数组 02.$matches = array() 03. 04.# 建立字串 05.$str = this is a string 06. 07.# 用正则表达式捕捉内容 08.preg_match( /( | ).?( | )/ $str $matches ) 09. 10.# 输出整个匹配字串 11.echo $matches[0] 它会输出： 1. this is a 显然，这并不是我们想要的内容。 这个表达式从开头的双引号开始匹配，遭遇单引号之后就错误地结束了匹配。这是因为表达式里说：(”|’)，也就是双引号(”)和单引号(’)均可。要修正这个问题，你可以用到回返引用。表达式1 2 … 9 是对前面已捕获到的各个子内容的编组序号，能作为对这些编组的“指针”而被引用。在此例中，第一个被匹配的引号就由 1 代表。 如何运用？ 将上面的例子中，后面的闭合引号替换为1： 1.preg_match( /( | ).?1/ $str $matches