正则表达式分组

摘要: 说说正则表达式中的（）

常用分组语法

类别	语法	描述
捕获	(exp)	匹配exp，并捕获文本到自动命名的组
	(?<word>exp)	匹配exp，并捕获文本到名称为word的组
	(?:exp)	匹配exp不捕获匹配的文本，不分配组号
零宽断言	(?=exp)	匹配exp前面的位置
	(?<=exp)	匹配exp后面的位置
	(?!exp)	匹配后面跟的不是exp的位置
	(?<!exp)	匹配前面不是exp的位置
注释	(?#注释文本)	提供注释，辅助阅读不对正则处理产生任何影响

A. 捕获

[code=language-php]<?php
$tag_str = "<title>分组测试</title>";
// (exp):\1为自动命名组
$pattern = '#<(title)[^>]?>.*</\1>#';
preg_match($pattern,$tag_str,$matches);
var_dump($matches);
/**
输出
array(2) {
[0]=>
string(27) "<title>分组测试</title>"
[1]=>
string(5) "title"
}
*/
// (?<word>exp):<w>为自定义命名组，以\k<w>捕获
$pattern = '#<(?<w>title)[^>]?>.*</\k<w>>#';
preg_match($pattern,$tag_str,$matches);
var_dump($matches);
/**
输出
array(3) {
[0]=>
string(27) "<title>分组测试</title>"
["w"]=>
string(5) "title"
[1]=>
string(5) "title"
}
*/
// (?:exp) 不捕获
$pattern = '#<(?:title)[^>]?>.*</title>#';
preg_match($pattern,$tag_str,$matches);
var_dump($matches);
/**
输出
array(1) {
[0]=>
string(27) "<title>分组测试</title>"
}
*/

B. 零宽断言

分组用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们类似\b、^、$等用于指定一个位置，这个位置应该满足一定的条件(即断言)，也被称为零宽断言

[code=language-php]<?php
$tag_str = "<title class='ttl'>分组测试</title>";
// (?=exp) 匹配exp前面的位置
$pattern = '#\b\w+(?=tle\b)#';
preg_match($pattern,$tag_str,$matches);
var_dump($matches);
/**
array(1) {
[0]=>
string(2) "ti"
}
*/

// (?<=exp) 匹配exp后半部分
$pattern = '#(?<=\bti)\w+\b#';
preg_match($pattern,$tag_str,$matches);
var_dump($matches);
/**
array(1) {
[0]=>
string(3) "tle"
}
*/

常用正则表达式

摘自：http://www.cnblogs.com/ATree/archive/2010/08/10/validationexpression-email.html

匹配中文字符的正则表达式： [\u4e00-\u9fa5]
评注：匹配中文还真是个头疼的事，有了这个表达式就好办了

匹配双字节字符(包括汉字在内)：[^\x00-\xff]
评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）

匹配空白行的正则表达式：\n\s*\r
评注：可以用来删除空白行

匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?</\1>|<.*? />
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

匹配首尾空白字符的正则表达式：^\s*|\s*$
评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式

匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
评注：表单验证时很实用

匹配网址URL的正则表达式：[a-zA-z]+://[^\s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求

匹配帐号是否合法(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}$
评注：表单验证时很实用

匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}
评注：匹配形式如 0511-4405222 或 021-87888822

匹配腾讯QQ号：[1-9][0-9]{4,}
评注：腾讯QQ号从10000开始

匹配中国邮政编码：[1-9]\d{5}(?!\d)
评注：中国邮政编码为6位数字

匹配身份证：\d{15}|\d{18}
评注：中国的身份证为15位或18位

匹配ip地址：\d+\.\d+\.\d+\.\d+
评注：提取ip地址时有用

匹配特定数字：
^[1-9]\d*$　 　 //匹配正整数
^-[1-9]\d*$ 　 //匹配负整数
^-?[1-9]\d*$　　 //匹配整数
^[1-9]\d*|0$　 //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*\.\d*|0\.\d*[1-9]\d*$　　 //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*|0?\.0+|0)$　 //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）
评注：处理大量数据时有用，具体应用时注意修正

匹配特定字符串：
^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串
^[A-Z]+$　　//匹配由26个英文字母的大写组成的字符串
^[a-z]+$　　//匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串
^\w+$　　//匹配由数字、26个英文字母或者下划线组成的字符串