关联:
正则表达式 去除连续空白 + 获取url +分割url
PHP正则表达式提取超链接及其标题
对于开发人员来说,正则表达式是一个非常有用的功能。它提供了 查找,匹配,替换 句子,单词,或者其他格式的字符串。在这篇文章里,我已经编写了15个贼拉有用的正则表达式,WEB开发人员都应该将它收藏到自己的工具包。
开始使用正则表达式
对初学者来说,正则 看起来很难学习和使用。事实上他们并非你想想的那么难,在我们深入掌握正则之前,先迅速看看这些入门基础:
正则表达式语法
正则表达式 将会匹配
- foo ——————字符串“foo”
- ^foo ——————以“foo”开头的字符串
- foo$ ——————以“foo”结尾的字符串
- ^foo$ ——————“foo”开头和结尾,(只能是他自己 )
- [abc]—————— a 或者b 或者c
- [a-z] —————— a到z之间任意字母
- [^A-Z]——————除了 A-Z这些之外的字符
- (gif|jpg)——————“gif”或者 “jpeg”
- [a-z]+—————— 一个或者多个 a到z之间任意字母
- [0-9.-]—————— 0-9之间任意数字,或者 点 或者 横线
- ^[a-zA-Z0-9_]{1,}$—————— 至少一个字母数字下划线
- ([wx])([yz])—————— wy或wz或xy或xz
- [^A-Za-z0-9]—————— 字符数字之外的字符
- ([A-Z]{3}|[0-9]{4})—————— 三个大写字母或者4个数字
- \ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如,'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。
- ^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性,^ 也匹配 '\n' 或 '\r' 之后的位置。
- $ 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性,$ 也匹配 '\n' 或 '\r' 之前的位置。
- * 匹配前面的子表达式零次或多次。例如,zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
- + 匹配前面的子表达式一次或多次。例如,'zo+' 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。+ 等价于 {1,}。
- ? 匹配前面的子表达式零次或一次。例如,"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。
- {n} n 是一个非负整数。匹配确定的 n 次。例如,'o{2}' 不能匹配 "Bob" 中的 'o',但是能匹配 "food" 中的两个 o。
- {n,} n 是一个非负整数。至少匹配n 次。例如,'o{2,}' 不能匹配 "Bob" 中的 'o',但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
- {n,m} m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。
- ? 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串 "oooo",'o+?' 将匹配单个 "o",而 'o+' 将匹配所有 'o'。
- . 匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符,请使用象 '[.\n]' 的模式。
- (pattern) 匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到,在VBScript 中使用 SubMatches 集合,在JScript 中则使用 $0…$9 属性。要匹配圆括号字符,请使用 '\(' 或 '\)'。
- (?:pattern) 匹配 pattern 但不获取匹配结果,也就是说这是一个非获取匹配,不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如, 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。
- (?=pattern) 正向预查,在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如,'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ,但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。
- (?!pattern) 负向预查,在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows",但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始
- x|y 匹配 x 或 y。例如,'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。
- [xyz] 字符集合。匹配所包含的任意一个字符。例如, '[abc]' 可以匹配 "plain" 中的 'a'。
- [^xyz] 负值字符集合。匹配未包含的任意字符。例如, '[^abc]' 可以匹配 "plain" 中的'p'。
- [a-z] 字符范围。匹配指定范围内的任意字符。例如,'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。
- [^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如,'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。
- \b 匹配一个单词边界,也就是指单词和空格间的位置。例如, 'er\b' 可以匹配"never" 中的 'er',但不能匹配 "verb" 中的 'er'。
- \B 匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er',但不能匹配 "never" 中的 'er'。
- \cx 匹配由 x 指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 'c' 字符。
- \d 匹配一个数字字符。等价于 [0-9]。
- \D 匹配一个非数字字符。等价于 [^0-9]。
- \f 匹配一个换页符。等价于 \x0c 和 \cL。
- \n 匹配一个换行符。等价于 \x0a 和 \cJ。
- \r 匹配一个回车符。等价于 \x0d 和 \cM。
- \s 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
- \S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
- \t 匹配一个制表符。等价于 \x09 和 \cI。
- \v 匹配一个垂直制表符。等价于 \x0b 和 \cK。
- \w 匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
- \W 匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。
- \xn 匹配 n,其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如,'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。.
- \num 匹配 num,其中 num 是一个正整数。对所获取的匹配的引用。例如,'(.)\1' 匹配两个连续的相同字符。
- \n 标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式,则 n 为向后引用。否则,如果 n 为八进制数字 (0-7),则 n 为一个八进制转义值。
- \nm 标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式,则 nm 为向后引用。如果 \nm 之前至少有 n 个获取,则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足,若 n 和 m 均为八进制数字 (0-7),则 \nm 将匹配八进制转义值 nm。
- \nml 如果 n 为八进制数字 (0-3),且 m 和 l 均为八进制数字 (0-7),则匹配八进制转义值 nml。
- \un 匹配 n,其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如, \u00A9 匹配版权符号 (?)。
常用的正则表达式
1、非负整数:”^\d+$”
2、正整数:”^[0-9]*[1-9][0-9]*$”
3、非正整数:”^((-\d+)|(0+))$”
4、负整数:”^-[0-9]*[1-9][0-9]*$”
5、整数:”^-?\d+$”
6、非负浮点数:”^\d+(\.\d+)?$”
7、正浮点数:”^((0-9)+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$”
8、非正浮点数:”^((-\d+\.\d+)?)|(0+(\.0+)?))$”
9、负浮点数:”^(-((正浮点数正则式)))$”
10、英文字符串:”^[A-Za-z]+$”
11、英文大写串:”^[A-Z]+$”
12、英文小写串:”^[a-z]+$”
13、英文字符数字串:”^[A-Za-z0-9]+$”
14、英数字加下划线串:”^\w+$”
15、E-mail地址:”^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$”
16、URL:”^[a-zA-Z]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\s*)?$”
php 正则表达式的方法
方法描述:
- preg_match() 该函数preg_match按照模式去匹配字符串,如果符合则返回TRUE,否则返回FALSE
- preg_match_all() 该函数 preg_match_all() 在字符串中匹配出全部符合模式的字符串.
- * preg_match() 返回 pattern 所匹配的次数。要么是 0 次(没有匹配)或 1 次,因为 preg_match() 在第一次匹配之后将停止搜索。
- * http://www.yesky.com/imagesnew/software/php/zh/function.preg-match.html
- * preg_match_all() 则相反,会一直搜索到 subject 的结尾处。如果出错 preg_match() 返回 FALSE。
- * http://www.yesky.com/imagesnew/software/php/zh/function.preg-match-all.html
- preg_replace() 该函数与ereg_replace()类似,不同在于它利用匹配的模式去替换输入的参数
- http://www.yesky.com/imagesnew/software/php/zh/function.preg-replace.htm
- preg_split() 该函数与split()类似 不同在于它将与正则表达式匹配的字符当做分割的模式
- http://www.yesky.com/imagesnew/software/php/zh/function.preg-split.html
- preg_grep() 该函数preg_grep() 匹配数组中全部元素,返回符合正则表达式的元素组成的数组
- preg_quote() 转义正则表达式字符
验证域名
检验一个字符串是否是个有效域名.
- $url = "http://komunitasweb.com/";
- if (preg_match('/^(http|https|ftp)://([A-Z0-9][A-Z0-9_-]*(?:.[A-Z0-9][A-Z0-9_-]*)+):?(d+)?/?/i', $url)) {
- echo "Your url is ok.";
- } else {
- echo "Wrong url.";
- }
从一个字符串中 突出某个单词
这是一个非常有用的在一个字符串中匹配出某个单词 并且突出它,非常有效的搜索结果
- $text = "Sample sentence from KomunitasWeb, regex has become popular in web programming. Now we learn regex. According to wikipedia, Regular expressions (abbreviated as regex or
- regexp, with plural forms regexes, regexps, or regexen) are written in a formal language that can be interpreted by a regular expression processor";
- $text = preg_replace("/b(regex)b/i", '<span style="background:#5fc9f6">1</span>', $text);
- echo $text;
突出查询结果在你的 WordPress 博客里就像刚才我说的,上面的那段代码可以很方便的搜索出结果,而这里是一个更好的方式去执行搜索在某个WordPress的博客上打开你的文件 search.php ,然后找到 方法 the_title() 然后用下面代码替换掉它
- echo $title;
- Now, just before the modified line, add this code:
- <?php
- $title = get_the_title();
- $keys= explode(" ",$s);
- $title = preg_replace('/('.implode('|', $keys) .')/iu',
- '<strong>\0</strong>',
- $title);
- ?>
- Save the search.php file and open style.css. Append the following line to it:
- strong.search-excerpt { background: yellow; }
从HTML文档中获得全部图片
如果你曾经希望去获得某个网页上的全部图片,这段代码就是你需要的,你可以轻松的建立一个图片下载机器人
- $images = array();
- preg_match_all('/(img|src)=("|')[^"'>]+/i', $data, $media);
- unset($data);
- $data=preg_replace('/(img|src)("|'|="|=')(.*)/i',"$3",$media[0]);
- foreach($data as $url)
- {
- $info = pathinfo($url);
- if (isset($info['extension']))
- {
- if (($info['extension'] == 'jpg') ||
- ($info['extension'] == 'jpeg') ||
- ($info['extension'] == 'gif') ||
- ($info['extension'] == 'png'))
- array_push($images, $url);
- }
- }
删除重复字母
经常重复输入字母? 这个表达式正适合.
- $text = preg_replace("/s(w+s)1/i", "$1", $text);
删除重复的标点
功能同上,但只是面对标点,白白重复的逗号
- $text = preg_replace("/.+/i", ".", $text);
匹配一个XML或者HTML标签
这个简单的函数有两个参数:第一个是你要匹配的标签,第二个是包含XML或HTML的变量,再强调下,这个真的很强大
- function get_tag( $tag, $xml ) {
- $tag = preg_quote($tag);
- preg_match_all('{<'.$tag.'[^>]*>(.*?)</'.$tag.'>.'}',
- $xml,
- $matches,
- PREG_PATTERN_ORDER);
- return $matches[1];
- }
匹配具有属性值的XML或者HTML标签
这个功能和上面的非常相似,但是它允许你匹配的标签内部有属性值,例如你可以轻松匹配 <div id=”header”>
- function get_tag( $attr, $value, $xml, $tag=null ) {
- if( is_null($tag) )
- $tag = '\w+';
- else
- $tag = preg_quote($tag);
- $attr = preg_quote($attr);
- $value = preg_quote($value);
- $tag_regex = "/<(".$tag.")[^>]*$attr\s*=\s*".
- "(['\"])$value\\2[^>]*>(.*?)<\/\\1>/"
- preg_match_all($tag_regex,
- $xml,
- $matches,
- PREG_PATTERN_ORDER);
- return $matches[3];
- }
匹配十六进制颜色值
web开发者的另一个有趣的工具,它允许你匹配和验证十六进制颜色值.
- $string = "#555555";
- if (preg_match('/^#(?:(?:[a-fd]{3}){1,2})$/i', $string)) {
- echo "example 6 successful.";
- }
查找页面 title
这段代码方便查找和打印 网页 <title> 和</title> 之间的内容
- $fp = fopen("http://www.catswhocode.com/blog","r");
- while (!feof($fp) ){
- $page .= fgets($fp, 4096);
- }
- $titre = eregi("<title>(.*)</title>",$page,$regs);
- echo $regs[1];
- fclose($fp);
解释 Apache 日志
大多数网站使用的都是著名的Apache服务器,如果你的网站也是,那么使用PHP正则表达式解析 apache 服务器日志 怎么样?
- //Logs: Apache web server
- //Successful hits to HTML files only. Useful for counting the number of page views.
- '^((?#client IP or domain name)S+)s+((?#basic authentication)S+s+S+)s+[((?#date and time)[^]]+)]s+"(?:GET|POST|HEAD) ((?#file)/[^ ?"]+?.html?)??((?#parameters)[^ ?"]+)? HTTP/[0-9.]+"s+(?#status code)200s+((?#bytes transferred)[-0-9]+)s+"((?#referrer)[^"]*)"s+"((?#user agent)[^"]*)"$'
- //Logs: Apache web server
- //404 errors only
- '^((?#client IP or domain name)S+)s+((?#basic authentication)S+s+S+)s+[((?#date and time)[^]]+)]s+"(?:GET|POST|HEAD) ((?#file)[^ ?"]+)??((?#parameters)[^ ?"]+)? HTTP/[0-9.]+"s+(?#status code)404s+((?#bytes transferred)[-0-9]+)s+"((?#referrer)[^"]*)"s+"((?#user agent)[^"]*)"$'
使用智能引号代替双引号
如果你是一个印刷爱好者,你将喜欢这个允许用智能引号代替双引号的正则表达式,这个正则被WORDPRESS在其内容上使用
- preg_replace('B"b([^"x84x93x94rn]+)b"B', '?1?', $text);
检验密码的复杂度
这个正则表达式将检测输入的内容是否包含6个或更多字母,数字,下划线和连字符. 输入必须包含至少一个大写字母,一个小写字母和一个数字
- 'A(?=[-_a-zA-Z0-9]*?[A-Z])(?=[-_a-zA-Z0-9]*?[a-z])(?=[-_a-zA-Z0-9]*?[0-9])[-_a-zA-Z0-9]{6,}z'
WordPress: 使用正则获得 帖子上的图片
我知道很多人是WORDPRESS的使用者,你可能会喜欢并且愿意使用 那些从帖子的内容检索下来的图像代码。使用这个代码在你的BLOG只需要复制下面代码到你的某个文件里
- <?php if (have_posts()) : ?>
- <?php while (have_posts()) : the_post(); ?>
- <?php
- $szPostContent = $post->post_content;
- $szSearchPattern = '~<img [^>]* />~';
- // Run preg_match_all to grab all the images and save the results in $aPics
- preg_match_all( $szSearchPattern, $szPostContent, $aPics );
- // Check to see if we have at least 1 image
- $iNumberOfPics = count($aPics[0]);
- if ( $iNumberOfPics > 0 ) {
- // Now here you would do whatever you need to do with the images
- // For this example the images are just displayed
- for ( $i=0; $i < $iNumberOfPics ; $i++ ) {
- echo $aPics[0][$i];
- };
- };
- endwhile;
- endif;
- ?>
自动生成笑脸图案
被WordPress使用的另一个方法, 这段代码可使你把图像自动更换一个笑脸符号
- $texte='A text with a smiley ';
- echo str_replace(':-)','<img src="smileys/souriant.png">',$texte);
移除图片的链接
- <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
- <?php
- $str = '
- <a href="http://www.5idev.com/">5idev</a>其他字符
- <a href="http://www.sohu.com/">sohu</a>
- <a href="http://www.sohu.com/"><img src="http://www.fashion-press.net/img/news/3176/mot_06.jpg" /></a>
- <br>';
- //echo preg_replace("/(<a.*?>)(<img.*?>)(<\/a>)/", '$2', $str);
- echo preg_replace("/(<a.*?>)(<img.*?>)(<\/a>)/", '\2', $str);
- ?>
PHP 常用正则表达式整理
表单验证匹配
验证账号,字母开头,允许 5-16 字节,允许字母数字下划线:^[a-zA-Z][a-zA-Z0-9_]{4,15}$
验证账号,不能为空,不能有空格,只能是英文字母:^\S+[a-z A-Z]$
验证账号,不能有空格,不能非数字:^\d+$
验证用户密码,以字母开头,长度在 6-18 之间:^[a-zA-Z]\w{5,17}$
验证是否含有 ^%&',;=?$\ 等字符:[^%&',;=?$\x22]+
匹配Email地址:\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
匹配腾讯QQ号:[1-9][0-9]{4,}
匹配日期,只能是 2004-10-22 格式:^\d{4}\-\d{1,2}-\d{1,2}$
匹配国内电话号码:^\d{3}-\d{8}|\d{4}-\d{7,8}$
评注:匹配形式如 010-12345678 或 0571-12345678 或 0831-1234567
匹配中国邮政编码:^[1-9]\d{5}(?!\d)$
匹配身份证:\d{14}(\d{4}|(\d{3}[xX])|\d{1})
评注:中国的身份证为 15 位或 18 位
不能为空且二十字节以上:^[\s|\S]{20,}$
字符匹配
匹配由 26 个英文字母组成的字符串:^[A-Za-z]+$
匹配由 26 个大写英文字母组成的字符串:^[A-Z]+$
匹配由 26 个小写英文字母组成的字符串:^[a-z]+$
匹配由数字和 26 个英文字母组成的字符串:^[A-Za-z0-9]+$
匹配由数字、26个英文字母或者下划线组成的字符串:^\w+$
匹配空行:\n[\s| ]*\r
匹配任何内容:[\s\S]*
匹配中文字符:[\x80-\xff]+ 或者 [\xa1-\xff]+
只能输入汉字:^[\x80-\xff],{0,}$
匹配双字节字符(包括汉字在内):[^\x00-\xff]
匹配数字
只能输入数字:^[0-9]*$
只能输入n位的数字:^\d{n}$
只能输入至少n位数字:^\d{n,}$
只能输入m-n位的数字:^\d{m,n}$
匹配正整数:^[1-9]\d*$
匹配负整数:^-[1-9]\d*$
匹配整数:^-?[1-9]\d*$
匹配非负整数(正整数 + 0):^[1-9]\d*|0$
匹配非正整数(负整数 + 0):^-[1-9]\d*|0$
匹配正浮点数:^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$
匹配负浮点数:^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$
匹配浮点数:^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
匹配非负浮点数(正浮点数 + 0):^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
匹配非正浮点数(负浮点数 + 0):^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
其他
匹配HTML标记的正则表达式(无法匹配嵌套标签):<(\S*?)[^>]*>.*?</\1>|<.*? />
匹配网址 URL :[a-zA-z]+://[^\s]*
匹配 IP 地址:((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)
匹配完整域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(\.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+\.?
提示
- 上述正则表达式通常都加了 ^ 与 $ 来限定字符的起始和结束,如果需要匹配的内容包括在字符串当中,可能需要考虑去掉 ^ 和 $ 限定符。
- 以上正则表达式仅供参考,使用时请检验后再使用