code-audit/工具/正则表达式.md

• 1. 正则表达式函数
  • 1.1. 匹配类函数
  • 1.2. 替换类函数
  • 1.3. 分割与筛选
• 2. 正则表达式规则
  • 2.1. 基础字符匹配
  • 2.2. 量词（控制匹配次数）
  • 2.3. 边界控制
  • 2.4. 分组与引用
  • 2.5. 替代与条件匹配
  • 2.6. 模式修饰符
  • 2.7. 特殊结构
  • 2.8. Unicode 支持
  • 2.9. 示例
  • 2.10. 注意事项

PHP提供了丰富的正则表达式函数，主要用于模式匹配、替换、分割等操作。以下是核心函数及其功能详解：

1. 正则表达式函数

1.1. 匹配类函数

• preg_match() 执行单次正则匹配，返回匹配次数（0或1）。支持捕获组存储到$matches数组。 示例：匹配字符串中的数字

  php$text = "Order 12345";
  preg_match('/Order \d+/', $text, $matches); // $matches[0] = "Order 12345"
  

• preg_match_all() 全局匹配，返回所有匹配结果到$matches数组。可通过flags参数（如PREG_PATTERN_ORDER）调整结果排序。 示例：提取HTML中的链接

  $html = '<a href="link1.html">Link1</a><a href="link2.html">Link2</a>';
  preg_match_all('/<a href="(.*?)">(.*?)<\/a>/', $html, $matches);
  // $matches[1] = ["link1.html", "link2.html"], $matches[2] = ["Link1", "Link2"]
  

1.2. 替换类函数

• preg_replace() 执行正则替换，支持逆向引用（如$1）和数组替换。 示例：脱敏手机号

  $text = "用户电话:123-4567-8901";
  $masked = preg_replace('/(\d{3})-(\d{4})-\d{4}/', '$1-****-$2', $text);
  // 输出 "用户电话:123-****-4567"
  

• preg_replace_callback() 通过回调函数动态生成替换内容，灵活性更高。 示例：年份递增

  $text = "April fools day is 04/01/2002";
  echo preg_replace_callback(
      "|(\d{2}/\d{2}/)(\d{4})|",
      function($m) { return $m[1] . ($m[2] + 1); },
      $text
  ); // 输出 "04/01/2003"
  

• preg_filter() 类似preg_replace，但仅保留有替换结果的条目（忽略未匹配项）。

1.3. 分割与筛选

• preg_split() 按正则规则分割字符串，返回数组。支持limit限制分割次数，flags调整结果格式（如PREG_SPLIT_NO_EMPTY过滤空项）。 示例：分割CSV

  $csv = "apple, orange; banana|pear";
  $fruits = preg_split('/[,;|]/', $csv); // ["apple", "orange", "banana", "pear"]
  

• preg_grep() 筛选数组中匹配模式的元素。 示例：筛选有效邮箱

  $emails = ["test@qq.com", "invalid-email", "user@example.com"];
  $valid = preg_grep('/^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/', $emails);
  // 输出 ["test@qq.com", "user@example.com"]
  

2. 正则表达式规则

PHP 的正则表达式基于 PCRE（Perl Compatible Regular Expressions） 库，其匹配规则与 Perl 正则高度兼容。以下是 PHP 正则表达式的核心匹配规则，涵盖字符匹配、量词、边界控制、分组等关键功能：

---

2.1. 基础字符匹配

• 普通字符：直接匹配对应字符（如 a 匹配字母 a）。

• 元字符：需转义后匹配（如 \. 匹配点号 .，\* 匹配星号 *）。

  preg_match('/\.com/', 'example.com'); // 匹配 ".com"
  

• 特殊字符类：

  • \d：匹配数字（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_]）。
  • \s：匹配空白字符（空格、制表符、换行等）。
  • 反义类：\D（非数字）、\W（非单词字符）、\S（非空白）。

---

2.2. 量词（控制匹配次数）

量词	含义	示例
.	匹配单个任意字符（除换行符）	a.b 匹配 aXb、a b 等
*	匹配 0 次或多次	a* 匹配 "", a, aa
+	匹配 1 次或多次	a+ 匹配 a, aa
?	匹配 0 次或 1 次	a? 匹配 "" 或 a
{n}	精确匹配 n 次	a{3} 匹配 aaa
{n,}	匹配至少 n 次	a{2,} 匹配 aa, aaa
{n,m}	匹配 n 到 m 次	a{2,4} 匹配 aa, aaa, aaaa

贪婪 vs 非贪婪：

• 默认贪婪模式（匹配尽可能多的字符），如 .* 会匹配整个字符串。

• 非贪婪模式（在量词后加 ?），如 .*? 匹配最短可能。

  $text = "<div>content</div>";
  preg_match('/<div>(.*?)<\/div>/', $text, $matches); // $matches[1] = "content"
  

---

2.3. 边界控制

• 锚点：

  • ^：匹配字符串开头（多行模式下匹配行首）。
  • $：匹配字符串结尾（多行模式下匹配行尾）。

  preg_match('/^Hello/', 'Hello world'); // 匹配成功
  preg_match('/world$/', 'Hello world'); // 匹配成功
  

• 单词边界：

  • \b：匹配单词边界（如 \bword\b 匹配独立单词 word）。
  • \B：匹配非单词边界；可以认为是 \b的反义。

  preg_match('/\bcat\b/', 'The cat sat'); // 匹配 "cat"
  preg_match('/\bcat\b/', 'category');    // 不匹配
  

---

2.4. 分组与引用

• 捕获组：用 ( ) 包裹，匹配内容会被捕获到 $matches 数组。

  preg_match('/(\d{4})-(\d{2})/', '2023-05', $matches);
  // $matches[0] = "2023-05", $matches[1] = "2023", $matches[2] = "05"
  

• 非捕获组：用 (?: ) 包裹，不捕获内容（提升性能）。

  preg_match('/(?:\d{3})-(\d{4})/', '123-4567', $matches);
  // $matches[1] = "4567"（仅捕获第二组）
  

• 反向引用：用 \n（n 为组号）引用已捕获的内容。

  preg_match('/(\w+)\s\1/', 'test test', $matches); // 匹配重复单词
  

---

2.5. 替代与条件匹配

• 分支匹配：用 | 表示“或”关系。

  preg_match('/(cat|dog)/', 'I have a cat'); // 匹配 "cat"
  

• 条件匹配：PCRE 支持 (?(condition)yes|no) 语法（较少用）。

---

2.6. 模式修饰符

修饰符放在定界符后（如 /pattern/i），常用如下：

修饰符	含义	示例
i	不区分大小写	/hello/i 匹配 Hello
m	多行模式（^ 和 $ 匹配行首/尾）	/^line/m 匹配每行开头
s	让 . 匹配换行符	/.*./s 匹配跨行文本
u	支持 UTF-8 编码	/\p{L}/u 匹配 Unicode 字母
x	忽略模式中的空白和注释	/a b /x 匹配 ab
e	匹配后的字符串作为php执行	新版本已经取消

---

2.7. 特殊结构

• 环视（Lookaround）：

  • 正向环视：(?=pattern)（后面必须跟 pattern），(?!pattern)（后面不能跟 pattern）。
  • 反向环视：(?<=pattern)（前面必须是 pattern），(?<!pattern)（前面不能是 pattern）。

  preg_match('/(?<=\d)abc/', '123abc'); // 匹配 "abc"（前面是数字）
  

• 原子组：(?>pattern) 防止回溯（性能优化）。

---

2.8. Unicode 支持

• 使用 \p{L} 匹配任意字母，\p{N} 匹配数字，需配合 u 修饰符。后一个/后面可以有模式修饰符i，m，s，u，x等。

  preg_match('/\p{L}+/u', '中文'); // 匹配 "中文"
  

---

2.9. 示例

模式匹配字符串的开始和结束一般是/（PHP可以有其他的替代，具体请参考手册）；

// 匹配邮箱
$email = "user@example.com";
if (preg_match('/^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/', $email)) {
    echo "Valid email";
}

// 提取日期（YYYY-MM-DD）
$text = "Today is 2023-05-20";
preg_match('/\b(\d{4})-(\d{2})-(\d{2})\b/', $text, $matches);
// $matches[1] = "2023", $matches[2] = "05", $matches[3] = "20"

---

2.10. 注意事项

1. 转义字符：在双引号字符串中，\ 可能被转义，建议用单引号或额外转义。
2. 性能：避免过度使用嵌套分组或回溯复杂的模式。
3. 错误处理：检查 preg_last_error() 调试复杂正则。

PHP 正则表达式功能强大，合理使用可高效处理字符串匹配、验证和提取任务。