PHP正则表达式实战：从入门到精通

正则表达式（Regular Expression，简称regex）是处理字符串的强大工具。它用一套特殊的语法，描述字符串的模式，可以用来匹配、查找、替换、分割字符串。

很多开发者觉得正则表达式难学、难记、难调试，看到一串密密麻麻的符号就头疼。但实际上，正则表达式的语法并不复杂，掌握了基本规则，就能写出大多数常用的正则。而且正则表达式在开发中非常常用——表单验证、字符串提取、文本替换、数据清洗、URL路由……几乎所有涉及字符串处理的地方，都能用到正则。

作为PHP开发者，正则表达式是必备技能。PHP提供了强大的PCRE（Perl Compatible Regular Expressions）扩展，支持完整的正则表达式功能。今天分享PHP正则表达式的实战指南，从基本语法到常用模式，帮你掌握正则这个利器。

正则表达式基础

什么是正则表达式

正则表达式是一种描述字符串模式的语言。它由普通字符和特殊字符（元字符）组成，用来匹配符合某种模式的字符串。

比如，正则表达式/abc/可以匹配字符串中包含"abc"的部分；/[0-9]+/可以匹配一个或多个数字；/^\w+@\w+\.\w+$/可以匹配邮箱地址。

PHP中的正则函数

PHP的PCRE扩展提供了以下常用函数：

• preg_match($pattern, $subject, $matches)：执行一次匹配，返回匹配次数（0或1）
• pregmatchall($pattern, $subject, $matches)：执行全局匹配，返回匹配次数
• preg_replace($pattern, $replacement, $subject)：执行正则替换
• preg_split($pattern, $subject)：用正则分割字符串
• preg_grep($pattern, $array)：用正则过滤数组
• preg_quote($str)：转义正则特殊字符

基本语法

定界符

PHP的正则表达式需要用定界符包裹，常用的定界符是/，也可以用#、~等。当正则中包含/时，用其他定界符可以避免转义。

preg_match('/abc/', $str);      // 用/作为定界符
preg_match('#http://#', $str);   // 用#作为定界符，避免转义/

修饰符

定界符后面可以加修饰符，改变正则的行为：

• 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：点号模式，.匹配包括换行符在内的所有字符
• x：忽略空白和注释
• u：UTF-8模式，处理多字节字符

preg_match('/abc/i', 'ABC');   // 匹配，不区分大小写

普通字符

字母、数字、汉字等普通字符，匹配它们本身。

preg_match('/hello/', 'hello world');  // 匹配hello

元字符

元字符是正则表达式中具有特殊含义的字符：

字符类

[]表示字符类，匹配其中的任意一个字符：

• [abc]：匹配a、b或c
• [a-z]：匹配a到z的任意小写字母
• [A-Z]：匹配A到Z的任意大写字母
• [0-9]：匹配0到9的任意数字
• [a-zA-Z0-9]：匹配字母或数字
• [^abc]：匹配除a、b、c外的任意字符

预定义字符类

正则提供了一些预定义的字符类，方便使用：

• \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
• \s：匹配空白字符（空格、制表符、换行符等）
• \S：匹配非空白字符
• \b：匹配单词边界
• \B：匹配非单词边界

量词

量词指定前面的元素重复多少次：

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

贪婪与非贪婪

默认情况下，量词是贪婪的——会尽可能多地匹配。在量词后面加?，可以变成非贪婪（懒惰）模式——尽可能少地匹配。

$str = '<a>hello</a><a>world</a>';
preg_match('/<a>.*<\/a>/', $str, $m);   // 贪婪，匹配整个字符串
preg_match('/<a>.*?<\/a>/', $str, $m);  // 非贪婪，只匹配第一个<a>...</a>

分组与捕获

用()可以将表达式分组，分组可以：

1. 将多个元素作为一个整体，应用量词
2. 捕获匹配的内容，供后续使用

// 分组应用量词
preg_match('/(ab)+/', 'ababab');  // 匹配ab重复1次或多次

// 捕获匹配内容
preg_match('/(\d{4})-(\d{2})-(\d{2})/', '2015-05-26', $m);
// $m[0] = '2015-05-26'（整个匹配）
// $m[1] = '2015'（第一个捕获组）
// $m[2] = '05'（第二个捕获组）
// $m[3] = '26'（第三个捕获组）

非捕获分组

用(?:)可以创建非捕获分组，只分组不捕获：

preg_match('/(?:ab)+/', $str);  // 分组但不捕获

命名捕获组

用(?P<name>)可以给捕获组命名：

preg_match('/(?P<year>\d{4})-(?P<month>\d{2})/', $str, $m);
// $m['year'] = '2015'
// $m['month'] = '05'

反向引用

用\1、\2等可以在正则中引用前面捕获的内容：

// 匹配重复的单词
preg_match('/\b(\w+)\s+\1\b/', 'hello hello world');  // 匹配hello hello

断言

断言是一种零宽度匹配，只匹配位置，不消耗字符：

正向先行断言 (?=pattern) 匹配后面跟着pattern的位置：

preg_match('/\d+(?=元)/', '100元');  // 匹配后面跟着"元"的数字

负向先行断言 (?!pattern) 匹配后面不跟着pattern的位置：

preg_match('/\d+(?!元)/', '100个');  // 匹配后面不跟着"元"的数字

正向后行断言 (?<=pattern) 匹配前面是pattern的位置：

preg_match('/(?<=\$)\d+/', '$100');  // 匹配前面是$的数字

负向后行断言 (?<!pattern) 匹配前面不是pattern的位置。

常用正则模式

邮箱验证

$pattern = '/^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/';
preg_match($pattern, $email);

手机号验证（中国大陆）

$pattern = '/^1[3-9]\d{9}$/';
preg_match($pattern, $phone);

URL验证

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

IP地址验证（IPv4）

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

身份证号验证（18位）

$pattern = '/^[1-9]\d{5}(?:18|19|20)\d{2}(?:0[1-9]|1[0-2])(?:0[1-9]|[12]\d|3[01])\d{3}[\dXx]$/';

日期验证（YYYY-MM-DD）

$pattern = '/^\d{4}-(?:0[1-9]|1[0-2])-(?:0[1-9]|[12]\d|3[01])$/';

中文字符匹配

$pattern = '/[\x{4e00}-\x{9fa5}]/u';  // 匹配单个中文字符

HTML标签提取

// 提取所有a标签的href
preg_match_all('/<a[^>]+href="([^"]+)"[^>]*>(.*?)<\/a>/is', $html, $m);

PHP正则函数实战

preg_match：验证表单

function validateEmail($email) {
    return preg_match('/^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/', $email);
}

function validatePhone($phone) {
    return preg_match('/^1[3-9]\d{9}$/', $phone);
}

pregmatchall：提取数据

// 从文本中提取所有邮箱
$text = '联系我：test@example.com 或 admin@site.org';
preg_match_all('/[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}/', $text, $matches);
print_r($matches[0]);  // Array ( [0] => test@example.com [1] => admin@site.org )

preg_replace：替换文本

// 将所有URL替换为链接
$text = '访问 https://example.com 了解更多';
$result = preg_replace('/https?:\/\/[\w.-]+(?:\.[\w.-]+)+[\w\-._~:/?#]*/', '<a href="$0">$0</a>', $text);

// 去除HTML标签
$text = strip_tags($html);  // 用strip_tags更简单
// 或用正则：preg_replace('/<[^>]+>/', '', $html);

// 敏感词替换
$text = preg_replace('/敏感词|脏话/', '***', $text);

preg_split：分割字符串

// 按多种分隔符分割
$str = 'a,b,c;d e';
$parts = preg_split('/[,;\s]+/', $str);
// Array ( [0] => a [1] => b [2] => c [3] => d [4] => e )

正则调试技巧

正则表达式写起来容易出错，调试很重要：

1. 在线工具：用regex101.com、regexr.com等在线工具测试正则，实时查看匹配结果和解释
2. 分步构建：不要一次性写复杂的正则，从简单开始，逐步添加，每步测试
3. 注释：用x修饰符，可以在正则中加注释，提高可读性
4. preglasterror()：正则执行出错时，用preglasterror()查看错误原因
5. 避免灾难性回溯：嵌套的量词可能导致灾难性回溯（ReDoS），正则执行超时甚至崩溃。避免写(a+)+这样的模式

注意事项

1. 正则不是万能的：处理HTML/XML用专门的解析器（DOMDocument、SimpleXML），不要用正则
2. 性能考虑：复杂的正则可能很慢，大文本处理时注意性能
3. UTF-8处理：处理中文等多字节字符时，加u修饰符
4. 转义用户输入：用用户输入作为正则模式时，用preg_quote()转义特殊字符
5. 安全：不要用/e修饰符（已废弃），避免代码注入

总结

正则表达式是处理字符串的强大工具，掌握它能大幅提升开发效率。

重点掌握：

1. 基本语法：元字符、字符类、量词、分组
2. 常用模式：邮箱、手机号、URL、IP等
3. PHP函数：pregmatch、pregmatchall、pregreplace、preg_split
4. 调试技巧：在线工具、分步构建、避免灾难性回溯

正则表达式需要多练多用，写得多了自然就熟练了。希望这篇指南能帮你掌握正则这个利器。