正则表达学习

正则表达学习

在线正则表达式测试地址 <- 点我

Sample1:

找出以 lefe 或 lefe_x 单词开头，以 wsy 结尾的字符串。比如：lefe name is wsy 是合法的，而 lef name is wsy 是非法的。

正则表达式为：(^(?:lefe|lefe_x)\b.{0,}wsy$)

1.^表示从字符串的开始位置匹配，^(?:lefe|lefe_x) 表示以 lefe 或者 lefe_x 开头；
2. | 表示或，比如 A | B | C ，表示 A，B 和 C 中任意一个；
3. () 表示一个组，(?:) 表示不捕获这个分组；
4. \b 表示匹配一个单词的边界，在这里只能匹配 lefe 和 lefe_x;
5.匹配字符串的开头和结尾后，基本上完成了题目的要求，但是字符串lefe（lefe_x）和wsy之间可以是任意字符，. 表示匹配任意字符（不包含换行符），{0,}表示匹配0个或多个字符，则.{0,} 表示匹配0个或多个任意字符（不包含换行符）；
6.$表示从字符串的结尾处开始匹配，wsy$ 则表示以 wsy 结尾；

【 知识点 】

1. 字符边界
   ^，$ 和 \b 表示字符的边界，^ 匹配字符串的开头，$匹配字符串的结尾，\b匹配单词的边界，如：lefe\b 可以匹配 lefe ，但不可匹配 lefe_x；
2. 量词
   {m} 只出现 m 次，lefe{2} 只能匹配 lefee
   {m,n} 出现 m 到 n 次
   {m,} 至少出现 m 次
3. 选择表达式
   比如 lefe | Lefe_x | Lefe ，表示 lefe，Lefe_x 和 Lefe 中任意一个
4. 分组
   以括号括起来的字符集为一个分组，在 ( 添加 ?: 将忽略这个分组 )
5. 字符集
   . 匹配除换行符以外的任意一个字符
   \w = [0-9a-zA-Z_]
   \W = [^0-9a-zA-Z_]
   \s = [\t\n\v]
   \S = [^\t\n\v]
   \d = [0-9]
   \D = [^0-9]

正则表达式分组()、不捕获(?:)

分组

分组在正则中用()表示，分组的作用有两个：

1.将某些规律看成是一组，然后进行组级别的重复，可以得到意想不到的效果。

2.分组之后，可以通过后向引用简化表达式（\1 或者$1）。

分组举列

先来看第一个作用，对于IP地址的匹配，简单的可以写为如下形式：

\d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}

但仔细观察，可以发现一定的规律，可以把.\d{1,3}看成一个整体，也就是把他们看成一组，再把这个组重复3次即可。表达式如下：

\d{1,3}(.\d{1,3}){3}

再来看第二个作用，就拿匹配标签来说，简单的正则可以这样写：

<title>.*</title>

可以看出，上边表达式中有两个title，完全一样，其实可以通过分组简写。表达式如下：

<(title)>.*</\1>

对于分组而言，整个表达式永远算作第0组，在本例中，第0组是<(title)>.*</\1>，然后从左到右，依次为分组编号，因此，(title)是第1组。 [(xxx) 一个括号等于一个分组]

注意：

用\1这种语法，可以引用某组的文本内容，但不能引用正则表达式。

例如刚刚的IP地址正则表达式为\d{1,3}(.\d{1,3}){3}，里边的\d{1,3}重复了两次，如果利用后向引用简化，表达式如下：

错误示范:
(\d{1,3})(.\1){3}

后向引用，引用的仅仅是文本内容，而不是正则表达式！

也就是说，组中的内容一旦匹配成功，后向引用，引用的就是匹配成功后的内容，引用的是结果，而不是表达式。

因此，(\d{1,3})(.\1){3}这个表达式实际上匹配的是四个数都相同的IP地址，比如：123.123.123.123。

不捕获

不捕获就是在分组的前边加上?: ，可以在不需要捕获分组的表达式中使用，加快表达式执行速度。

就拿匹配标签来说，通过分组可以简写为

<(title)>.*</\1>

但是如果是 (?:title) ,则\1就不能捕获到这个子组了，只能捕获第一个出现的非 ?: 的分组作为\1

同时注意(?:title)本身会在完整匹配中，只是不在子组中，注意和断言的区别

$str="ab123ff";
//正常,完整匹配为ab123ff, 有两个子组ab, ff
preg_match_all("|([a-z]{2}).*([a-z]{2})|U", $str, $out);echo "<pre>";
print_r($out);
echo "</pre>";

//不捕获分组,完整匹配为ab23ff, 有一个子组ff
preg_match_all("|(?:[a-z]{2}).*([a-z]{2})|U", $str, $out);echo "<pre>";
print_r($out);
echo "</pre>";

---

Sample2 :

匹配以 lefe 开头，lefe 后面不能紧跟_x，后面由数字，-，_和字母组成，且不包含l,e,f 三个字母中的任意一个(至少一位)，且为最短的用户名

【分析】
根据要求可以把题目拆分成：
1.以 lefe 开头，不能为 lefe_x。可以转换成 ^lefe(?!_x);
2.中间部分由数字，-，_和字母组成，不能包含 l,e,f，至少一位。可以转换成 [0-9a-dg-km-zA-DG-KM-Z_-]+;
3.匹配最短的。在正则表达式中用到了贪婪与非贪婪的概念，使用 ?;

【正则表达式】
^(lefe(?!_x)(?:[0-9a-dg-km-zA-DG-KM-Z_-]+?)

知识点

1.非获取匹配
lefe(?=_x) ，lefe 后面紧跟着 _x，正向肯定预查
lefe(?!_x) ，lefe 后面不能出现 _x，正向否的定预查
(?<!lefe)_x ，_x 前面不能为 lefe，反向肯定预查
(?<=lefe)_x ，_x 前面为 lefe，反向否的定预查
2.字符集合
[xyz] 匹配 x,y,z 任意一个字符；
[^xyz] 匹配除 x,y,z 外的任意一个字符；
[a-z] 匹配 a-z 中任意一个字符；
3.贪婪匹配与非贪婪匹配
默认的匹配规则为非贪婪匹配，使用 ? 使贪婪匹配变为非贪婪匹配。比如：使用正则表达式lefe{2,} 匹配 lefeeeeeeee，如果为贪婪匹配(lefe{2,})时将匹配 lefeeeeeeee ，为非贪婪匹配(lefe{2,}?)时，将匹配 lefee。
4.量词 *，+，?
'lefe*' ，lef 后有0个或多个e
'lefe+' ，lef 后有1个或多个e
'lefe?' ，lef 后有0个或1个e