code-audit/工具/正则表达式.md

- [1. 正则表达式函数](#1-正则表达式函数)
  - [1.1. **匹配类函数**](#11-匹配类函数)
  - [1.2. **替换类函数**](#12-替换类函数)
  - [1.3. **分割与筛选**](#13-分割与筛选)
- [2. 正则表达式规则](#2-正则表达式规则)
  - [2.1. **基础字符匹配**](#21-基础字符匹配)
  - [2.2. **量词（控制匹配次数）**](#22-量词控制匹配次数)
  - [2.3. **边界控制**](#23-边界控制)
  - [2.4. **分组与引用**](#24-分组与引用)
  - [2.5. **替代与条件匹配**](#25-替代与条件匹配)
  - [2.6. **模式修饰符**](#26-模式修饰符)
  - [2.7. **特殊结构**](#27-特殊结构)
  - [2.8. **Unicode 支持**](#28-unicode-支持)
  - [2.9. **示例**](#29-示例)
  - [2.10. **注意事项**](#210-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
  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

  ```php
  $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

  ```php
  $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

  ```php
  $text = "April fools day is 04/01/2002";
  echo preg_replace_callback(
      "|(\d{2}/\d{2}/)(\d{4})|",
      function($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

  ```php
  $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

  ```php
  $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 `*`）。

  ```php
  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。

  ```php
  $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）。

  ```php
  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。

  ```php
  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。

  ```php
  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）。

  ```php
  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。

  ```php
  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。

  ```php
  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`）。

  ```php
  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。

  ```php
  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）；

```php
// 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。