PHP正则表达式详解：从基础语法到实际应用

正则表达式（Regular Expression，简称regex或regexp），是一种用于匹配字符串的强大工具。它通过一系列特殊字符和语法，描述字符串的模式，可以用来查找、替换、验证、分割字符串。

在PHP开发中，正则表达式是非常常用的工具。验证邮箱、手机号、身份证号，提取网页中的链接、图片、数据，替换文本中的特定内容，分割字符串……这些都可以用正则表达式来完成。

PHP提供了两套正则表达式函数：POSIX扩展正则（ereg系列，PHP 5.3已废弃，PHP 7已移除）和PCRE（Perl兼容正则表达式，preg系列）。现在我们都用PCRE，也就是preg_*系列函数。

今天，我们来详细学习PHP正则表达式，从基础语法到常用函数，再到实际应用场景，帮你掌握这个强大的工具。

正则表达式基础

什么是正则表达式

正则表达式，是用一系列特殊字符描述的字符串模式。它可以匹配符合这个模式的字符串。

比如，/abc/ 可以匹配包含"abc"的字符串；/[0-9]+/ 可以匹配一个或多个数字；/^\w+@\w+\.\w+$/ 可以匹配邮箱格式。

定界符

在PHP中，正则表达式需要用定界符包裹。定界符可以是任意非字母数字、非反斜杠、非空白的字符，常用的是斜杠/，也可以用#、~、!等。

$pattern = '/abc/';      // 用/作为定界符
$pattern = '#abc#';      // 用#作为定界符
$pattern = '~abc~';      // 用~作为定界符

如果正则表达式中包含定界符，需要转义，或者换一个定界符。比如匹配URL时，用#更方便：

$pattern = '/https?:\/\/.+/';  // 需要转义/
$pattern = '#https?://.+#';    // 用#就不用转义/

修饰符

定界符后面可以加修饰符，改变正则的行为。

常用修饰符：

• i：不区分大小写（case-insensitive）
• m：多行模式，^和$匹配每行的开头和结尾
• s：点号.匹配包括换行符在内的所有字符（dotall模式）
• x：忽略空白和注释
• u：UTF-8模式，处理多字节字符
• g：全局匹配（PHP中不需要，pregmatchall默认全局）

$pattern = '/abc/i';      // 不区分大小写，匹配ABC、Abc、abc等
$pattern = '/^abc$/m';    // 多行模式
$pattern = '/.+/s';       // 点号匹配换行符

正则表达式语法

普通字符

普通字符（字母、数字、汉字等）匹配自身。

preg_match('/abc/', 'abcdef');  // 匹配，因为包含abc

元字符

元字符是有特殊含义的字符，需要转义才能匹配自身。

常用元字符：. \ + * ? [ ] ^ $ { } ( ) | /

转义用反斜杠\：

preg_match('/a\.b/', 'a.b');    // 匹配a.b，\.匹配点号本身
preg_match('/a\+b/', 'a+b');    // 匹配a+b，\+匹配加号本身
preg_match('/a\?b/', 'a?b');    // 匹配a?b，\?匹配问号本身

字符类

字符类用[]表示，匹配方括号中的任意一个字符。

preg_match('/[abc]/', 'a');     // 匹配a、b、c中的任意一个
preg_match('/[0-9]/', '5');     // 匹配0-9中的任意一个数字
preg_match('/[a-z]/', 'm');     // 匹配a-z中的任意一个小写字母
preg_match('/[A-Z]/', 'M');     // 匹配A-Z中的任意一个大写字母
preg_match('/[a-zA-Z0-9]/', 'x'); // 匹配字母和数字

字符类中的特殊字符：

• ^：在字符类开头表示取反，匹配不在字符类中的字符
• -：表示范围，如a-z、0-9
• \：转义字符

preg_match('/[^0-9]/', 'a');    // 匹配非数字字符
preg_match('/[^abc]/', 'd');    // 匹配不是a、b、c的字符

预定义字符类

PHP提供了一些预定义的字符类，用反斜杠加字母表示：

• \d：匹配数字，等价于[0-9]
• \D：匹配非数字，等价于[^0-9]
• \w：匹配单词字符（字母、数字、下划线），等价于[a-zA-Z0-9_]
• \W：匹配非单词字符，等价于[^a-zA-Z0-9_]
• \s：匹配空白字符（空格、制表符、换行符等）
• \S：匹配非空白字符

preg_match('/\d+/', 'abc123');  // 匹配123
preg_match('/\w+/', 'hello_world'); // 匹配hello_world
preg_match('/\s+/', 'a b  c');  // 匹配空格

量词

量词指定前面的字符或分组重复的次数。

常用量词：

• *：0次或多次（等价于{0,}）
• +：1次或多次（等价于{1,}）
• ?：0次或1次（等价于{0,1}）
• {n}：恰好n次
• {n,}：至少n次
• {n,m}：n到m次

preg_match('/ab*c/', 'ac');      // 匹配，b出现0次
preg_match('/ab*c/', 'abc');     // 匹配，b出现1次
preg_match('/ab*c/', 'abbbc');   // 匹配，b出现3次
preg_match('/ab+c/', 'ac');      // 不匹配，b至少出现1次
preg_match('/ab+c/', 'abc');     // 匹配
preg_match('/ab?c/', 'ac');      // 匹配，b出现0次
preg_match('/ab?c/', 'abc');     // 匹配，b出现1次
preg_match('/ab?c/', 'abbc');    // 不匹配，b最多出现1次
preg_match('/a{3}/', 'aaa');     // 匹配，a恰好出现3次
preg_match('/a{2,}/', 'aaaa');   // 匹配，a至少出现2次
preg_match('/a{2,4}/', 'aaa');   // 匹配，a出现2-4次

贪婪与懒惰

量词默认是贪婪的，会尽可能多地匹配。在量词后面加?，变成懒惰模式，尽可能少地匹配。

$str = '<div>hello</div><div>world</div>';

// 贪婪模式，匹配最长的
preg_match('/<div>.*<\/div>/', $str, $matches);
echo $matches[0];  // 输出<div>hello</div><div>world</div>

// 懒惰模式，匹配最短的
preg_match('/<div>.*?<\/div>/', $str, $matches);
echo $matches[0];  // 输出<div>hello</div>

锚点

锚点不匹配任何字符，只匹配位置。

常用锚点：

• ^：匹配字符串开头（多行模式下匹配行开头）
• $：匹配字符串结尾（多行模式下匹配行结尾）
• \b：匹配单词边界
• \B：匹配非单词边界

preg_match('/^abc/', 'abcdef');  // 匹配，abc在开头
preg_match('/^abc/', 'xabc');    // 不匹配，abc不在开头
preg_match('/abc$/', 'xabc');    // 匹配，abc在结尾
preg_match('/abc$/', 'abcx');    // 不匹配，abc不在结尾
preg_match('/\bword\b/', 'a word b'); // 匹配，word是独立单词
preg_match('/\bword\b/', 'sword');    // 不匹配，word不是独立单词

分组

分组用()表示，把多个字符当作一个整体，可以对分组使用量词，也可以捕获分组匹配的内容。

preg_match('/(ab)+/', 'ababab');  // 匹配ababab，ab重复3次
preg_match('/(ab){2}/', 'abab');  // 匹配abab，ab恰好重复2次

捕获分组：用$1、$2等引用分组匹配的内容。

preg_match('/(\d{4})-(\d{2})-(\d{2})/', '2015-08-04', $matches);
echo $matches[0];  // 整个匹配：2015-08-04
echo $matches[1];  // 第1个分组：2015
echo $matches[2];  // 第2个分组：08
echo $matches[3];  // 第3个分组：04

非捕获分组：用(?:)表示，只分组不捕获。

preg_match('/(?:ab)+/', 'abab', $matches);
echo $matches[0];  // 整个匹配：abab
// 没有$matches[1]，因为是非捕获分组

或运算

用|表示或，匹配左边或右边的表达式。

preg_match('/cat|dog/', 'I have a cat');  // 匹配cat
preg_match('/cat|dog/', 'I have a dog');  // 匹配dog
preg_match('/gr(a|e)y/', 'gray');         // 匹配gray或grey

反向引用

用\1、\2等在正则内部引用前面分组匹配的内容。

preg_match('/(\w+)\s+\1/', 'hello hello');  // 匹配，两个相同的单词
preg_match('/(\w+)\s+\1/', 'hello world');  // 不匹配

断言（零宽断言）

断言不匹配字符，只匹配位置，用来判断某个位置前面或后面是什么。

• (?=pattern)：正向先行断言，后面是pattern
• (?!pattern)：负向先行断言，后面不是pattern
• (?<=pattern)：正向后行断言，前面是pattern
• (?<!pattern)：负向后行断言，前面不是pattern

preg_match('/windows(?=95|98|NT|2000)/', 'windows2000');  // 匹配windows
preg_match('/windows(?!95|98|NT|2000)/', 'windowsXP');     // 匹配windows
preg_match('/(?<=95|98|NT|2000)windows/', '2000windows');  // 匹配windows
preg_match('/(?<!95|98|NT|2000)windows/', 'XPwindows');    // 匹配windows

PHP正则表达式函数

preg_match

执行一个正则匹配，只匹配第一次。

$pattern = '/\d+/';
$subject = 'abc123def456';
preg_match($pattern, $subject, $matches);
print_r($matches);  // Array ( [0] => 123 )

返回值：匹配次数（0或1），错误返回false。

pregmatchall

执行全局正则匹配，匹配所有结果。

$pattern = '/\d+/';
$subject = 'abc123def456';
preg_match_all($pattern, $subject, $matches);
print_r($matches);  // Array ( [0] => Array ( [0] => 123 [1] => 456 ) )

返回值：完整匹配次数，错误返回false。

preg_replace

执行正则替换。

$pattern = '/\d+/';
$replacement = 'NUM';
$subject = 'abc123def456';
$result = preg_replace($pattern, $replacement, $subject);
echo $result;  // abcNUMdefNUM

可以用数组批量替换：

$patterns = ['/\d+/', '/[a-z]+/'];
$replacements = ['NUM', 'LETTER'];
$subject = 'abc123def456';
$result = preg_replace($patterns, $replacements, $subject);
echo $result;  // LETTERNUMLETTERNUM

反向引用替换：

$pattern = '/(\d{4})-(\d{2})-(\d{2})/';
$replacement = '$3/$2/$1';
$subject = '2015-08-04';
$result = preg_replace($pattern, $replacement, $subject);
echo $result;  // 04/08/2015

preg_filter

和preg_replace类似，但只返回有匹配的结果。

$subject = ['abc123', 'def', 'ghi456'];
$result = preg_filter('/\d+/', 'NUM', $subject);
print_r($result);  // Array ( [0] => abcNUM [2] => ghiNUM )

preg_split

用正则分割字符串。

$pattern = '/[\s,]+/';
$subject = 'a b, c  d';
$result = preg_split($pattern, $subject);
print_r($result);  // Array ( [0] => a [1] => b [2] => c [3] => d )

preg_grep

返回数组中匹配正则的元素。

$pattern = '/\d+/';
$array = ['abc', '123', 'def', '456'];
$result = preg_grep($pattern, $array);
print_r($result);  // Array ( [1] => 123 [3] => 456 )

preg_quote

转义正则表达式中的特殊字符。

$str = '$100.00 (USD)';
$pattern = '/' . preg_quote($str, '/') . '/';
echo $pattern;  // /\$100\.00 \(USD\)/

常用正则表达式

验证邮箱

$pattern = '/^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$/';
// 更严格的邮箱验证
$pattern = '/^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/';

验证手机号

// 中国大陆手机号
$pattern = '/^1[3-9]\d{9}$/';

验证身份证号

// 18位身份证号
$pattern = '/^\d{17}[\dXx]$/';
// 15位或18位
$pattern = '/^\d{15}$|^\d{17}[\dXx]$/';

验证URL

$pattern = '/^https?:\/\/[\w\-]+(\.[\w\-]+)+([\w\-\.,@?^=%&:\/~\+#]*[\w\-\@?^=%&\/~\+#])?$/';

验证IP地址

// IPv4
$pattern = '/^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$/';

验证日期

// YYYY-MM-DD
$pattern = '/^\d{4}-\d{2}-\d{2}$/';
// 更严格的日期验证（需要结合checkdate）

验证中文字符

$pattern = '/^[\x{4e00}-\x{9fa5}]+$/u';  // UTF-8中文

提取HTML标签内容

// 提取所有链接
$pattern = '/<a[^>]*href="([^"]*)"[^>]*>(.*?)<\/a>/is';
preg_match_all($pattern, $html, $matches);

// 提取所有图片
$pattern = '/<img[^>]*src="([^"]*)"[^>]*>/is';
preg_match_all($pattern, $html, $matches);

去除HTML标签

$text = preg_replace('/<[^>]+>/', '', $html);
// 或者用strip_tags()

正则表达式性能优化

1. 避免过度使用正则：能用字符串函数（strpos、str_replace、substr等）解决的，就不用正则。字符串函数比正则快得多。
2. 使用锚点：如果匹配开头或结尾，用^和$，避免不必要的回溯。
3. 避免贪婪匹配：需要匹配到某个位置时，用懒惰模式.?，或者用排除型字符类[^"]。
4. 避免嵌套量词：如(a+)*，会导致灾难性回溯。
5. 使用非捕获分组：不需要捕获的分组，用(?:)，减少内存开销。
6. 预编译正则：多次使用的正则，先赋值给变量，避免重复编译。
7. 使用pregmatchall代替循环pregmatch：全局匹配用pregmatch_all，比循环高效。
8. 限制匹配长度：对长字符串，先用substr截取需要的部分，再用正则。

常见坑

1. 定界符冲突：正则中包含定界符时忘记转义，导致正则错误。解决：换一个不冲突的定界符，或转义。
2. 修饰符遗漏：处理多行文本时忘记加s修饰符，导致.不匹配换行符。
3. UTF-8处理：处理中文时忘记加u修饰符，导致匹配错误。
4. 贪婪匹配：默认贪婪模式导致匹配过多内容，需要用懒惰模式。
5. 字符类中的元字符：字符类中的.、*、+等不需要转义，但^、-、]、\需要注意。
6. pregreplace的/e修饰符：PHP 5.5已废弃，PHP 7已移除，用pregreplace_callback代替。
7. 正则错误：正则语法错误时，preg函数返回false，用preglasterror()查看错误。

总结

正则表达式，是PHP开发中非常强大的工具。

核心要点：

1. 基础语法：定界符、修饰符、普通字符、元字符、字符类、预定义字符类、量词、锚点、分组、或运算、反向引用、断言
2. PHP函数：pregmatch（单次匹配）、pregmatchall（全局匹配）、pregreplace（替换）、pregsplit（分割）、preggrep（过滤数组）、preg_quote（转义）
3. 常用正则：邮箱、手机号、身份证、URL、IP、日期、中文、HTML提取
4. 性能优化：避免过度使用、用锚点、避免贪婪、避免嵌套量词、用非捕获分组、预编译
5. 常见坑：定界符冲突、修饰符遗漏、UTF-8处理、贪婪匹配、字符类元字符

正则表达式虽然强大，但也不要滥用。能用简单字符串函数解决的，就不用正则。正则表达式适合处理复杂的模式匹配，简单的字符串操作用字符串函数更高效。

掌握正则表达式，能让你的PHP开发更加高效。希望这篇文章能帮你更好地理解和使用正则表达式。