PHP正则怎么写？从基础匹配到捕获分组

在 PHP 中，正则表达式常用于检查输入格式、提取文本片段、批量替换内容和拆分字符串。它适合描述“哪些字符、按什么顺序、出现多少次”，但不适合承担所有文本解析工作：复杂 HTML、嵌套语言结构以及需要精确处理编码和语法的内容，通常应使用对应的解析器。

PHP 通过 preg_* 函数调用 PCRE 正则引擎。写正则时，除了理解模式本身，还要留意 PHP 字符串的引号规则、分隔符、返回值和编码选项。下面从可以运行的小例子开始，逐步介绍常用语法、捕获分组和容易忽略的边界。

一、PHP 正则表达式的基本结构

PHP 的正则模式通常包含分隔符、模式内容和可选修饰符。分隔符用来标记模式的起止位置，常见的有斜杠 /、井号 # 和波浪号 ~。例如 /cat/i 中，/ 是分隔符，cat 是模式，i 表示忽略大小写。

<?php
$text = 'A cat and a CAT';

if (preg_match('/cat/i', $text) === 1) {
    echo "找到了\n";
}

preg_match() 找到一次匹配时返回 1，没有找到时返回 0，发生错误时返回 false。因此，不要把它只当作普通布尔值使用；需要区分匹配与错误时，应用严格比较：

<?php
$result = preg_match('/dog/', 'a cat');

if ($result === false) {
    echo '正则执行失败';
} elseif ($result === 1) {
    echo '匹配成功';
} else {
    echo '没有匹配';
}

模式定界符可以选与文本内容较少冲突的字符。例如匹配网址路径时，使用 ~ 可以少写一些转义：

<?php
$path = '/docs/php/regex';
var_dump(preg_match('~^/docs/~', $path));

如果模式内容本身包含分隔符，需要转义，或者换一个分隔符。下面两个模式效果相同：

<?php
$url = 'https://example.com/a';

var_dump(preg_match('/https:\/\/example\.com/', $url));
var_dump(preg_match('~https://example\.com~', $url));

选择合适的分隔符只是为了可读性，不会改变匹配规则。分隔符也可以成对使用，例如 {...}；不过初学时使用 /.../ 或 ~...~ 更容易看懂。

二、常用字符、字符类和量词

正则中的普通字符通常匹配自身。特殊字符则有专门含义，常见的包括 .、^、$、*、+、?、{}、[]、() 和 |。如果要按字面意思匹配特殊字符，需要用反斜杠转义，例如 \. 匹配句点。

写法	含义	示例
`.`	匹配一个字符，默认不匹配换行符	`a.c` 可匹配 `abc`
`\d`	匹配一个数字字符	`\d{4}`
`\w`	匹配“单词字符”，通常包括字母、数字和下划线	`\w+`
`\s`	匹配空白字符	`\s*`
`[abc]`	匹配方括号中的任意一个字符	`[aeiou]`
`[^abc]`	匹配不在方括号中的一个字符	`[^0-9]`

常用量词控制前一个元素出现的次数：* 表示零次或多次，+ 表示一次或多次，? 表示零次或一次；{3} 表示恰好三次，{2,5} 表示两到五次，{2,} 表示至少两次。

<?php
$tests = ['7', '42', '12345', '123456'];

foreach ($tests as $value) {
    $ok = preg_match('/^\d{1,5}$/', $value);
    echo $value . ': ' . ($ok === 1 ? '符合' : '不符合') . "\n";
}

上例只检查由 1 到 5 个数字组成的字符串。这里的 ^ 和 $ 是行首、行尾锚点，但 $ 在某些情况下也允许匹配字符串末尾换行符之前的位置。若要要求整个输入从开始到绝对结尾都符合，通常使用 \A 和 \z：

<?php
$pattern = '/\A\d{1,5}\z/';

var_dump(preg_match($pattern, '123'));     // int(1)
var_dump(preg_match($pattern, "123\n"));   // int(0)

这一区别在做输入校验时很重要。只用 ^ 和 $，并不总能表达“整个字符串都必须符合”的严格要求。多行修饰符 m 会改变 ^ 和 $ 的含义，使它们可以匹配每一行的开头和结尾；它与是否让点号匹配换行无关。

点号默认不匹配换行。修饰符 s 会使点号也能匹配换行，但它不改变锚点行为。例如：

<?php
$text = "first\nsecond";

var_dump(preg_match('/first.second/', $text));    // int(0)
var_dump(preg_match('/first.second/s', $text));   // int(1)

正则默认倾向于尽可能多地匹配，这称为贪婪匹配。给量词加上 ? 可以使其尽可能少匹配：

<?php
$text = '<b>one</b><b>two</b>';

preg_match('/<b>.*<\/b>/', $text, $greedy);
preg_match('/<b>.*?<\/b>/', $text, $lazy);

echo $greedy[0] . "\n"; // <b>one</b><b>two</b>
echo $lazy[0] . "\n";   // <b>one</b>

这个例子只用于说明量词行为，不建议用正则解析真实 HTML。HTML 允许嵌套、属性和多种等价写法，简单的点号模式很容易在结构稍有变化时失效。

三、字符类与 Unicode 边界

字符类 [...] 用来限定某一个位置可以出现的字符。范围写法如 [0-9]、[a-z] 和 [A-Z]；在字符类开头使用 ^ 表示取反。例如 [^<>] 匹配一个既不是小于号也不是大于号的字符。

<?php
$pattern = '/\A[A-Za-z0-9_-]{3,20}\z/';

foreach (['alice_1', 'a-b', '中文'] as $name) {
    echo $name . ': ';
    echo preg_match($pattern, $name) === 1 ? "符合\n" : "不符合\n";
}

\w 不应被误解为“任意语言中的文字”。在不启用 Unicode 属性时，它主要按 PCRE 的字母、数字和下划线规则工作；把它用来验证中文姓名或任意 Unicode 用户名，可能得不到预期结果。若确实需要按 Unicode 字母分类，可以启用 u 模式并使用 Unicode 属性，例如 \p{L} 表示 Unicode 字母类别：

<?php
$pattern = '/\A\p{L}+\z/u';

var_dump(preg_match($pattern, '张三'));  // int(1)
var_dump(preg_match($pattern, '张三2')); // int(0)

u 表示按 UTF-8 处理模式和主题字符串。输入必须是有效的 UTF-8；无效字节序列可能导致匹配失败并产生错误。启用 u 也不等于完成所有 Unicode 规范化工作：视觉上相同的文本可能使用不同的字符序列，是否需要规范化应由业务规则决定。

\b 是“单词边界”，它根据单词字符与非单词字符的交界判断，并不等于中文里的词语边界。比如用 \bcat\b 查找英文单词 cat 通常合理，但用它分割中文句子往往不是合适的做法。需要中文分词时应使用分词工具或更符合数据结构的处理方式。

四、捕获分组：不只检查，还能提取

圆括号 () 有两个常见用途：把多个元素组合起来，以及捕获匹配到的内容。preg_match() 会把完整匹配和捕获到的分组放进结果数组。

<?php
$text = '订单号：AB-2024-0315';
$pattern = '/([A-Z]{2})-(\d{4})-(\d{4})/';

if (preg_match($pattern, $text, $matches) === 1) {
    echo $matches[0] . "\n"; // AB-2024-0315
    echo $matches[1] . "\n"; // AB
    echo $matches[2] . "\n"; // 2024
    echo $matches[3] . "\n"; // 0315
}

数组索引 0 是完整匹配，后续数字索引按捕获分组的顺序排列。分组数量或顺序变化时，数字索引容易受影响；PHP 支持命名捕获组，便于按字段名读取：

<?php
$text = '订单号：AB-2024-0315';
$pattern = '/(?<prefix>[A-Z]{2})-(?<year>\d{4})-(?<serial>\d{4})/';

if (preg_match($pattern, $text, $matches) === 1) {
    echo $matches['prefix'] . "\n";
    echo $matches['year'] . "\n";
    echo $matches['serial'] . "\n";
}

命名分组的常见写法是 (?<name>...)；在 PHP 字符串或 HTML 中要注意尖括号的转义。分组还可以不捕获：(?:...) 仍然能将内部内容作为一个整体使用，但不会额外占据捕获组编号。这在只需要控制量词或选择范围时很有用。

<?php
$pattern = '/\A(?:https?|ftp):\/\/[A-Za-z0-9.-]+\z/';

var_dump(preg_match($pattern, 'https://example.com')); // int(1)

在复杂正则中，优先考虑使用非捕获分组，或给需要读取的分组命名。这样能减少因插入新分组而导致编号变化的问题。需要匹配完整文本还是其中一部分，也要说清楚：不加锚点时，preg_match() 默认可以在字符串中找到一段符合模式的内容。

五、preg_match 与 preg_match_all

preg_match() 通常用于查找第一个匹配。要提取所有匹配，可以使用 preg_match_all()：

<?php
$text = '联系人：[email protected]，[email protected]';
$pattern = '/[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}/';

$count = preg_match_all($pattern, $text, $matches);

echo "找到 {$count} 个地址\n";
print_r($matches[0]);

preg_match_all() 返回匹配次数，错误时返回 false。它的结果数组受 $flags 参数影响，默认按捕获组组织。提取复杂结构时可以先用上面的例子观察结果，避免想当然地假设数组形状。

示例中的邮箱模式只用于演示提取，不代表完整的邮箱地址标准校验。真实邮箱地址规则比常见的“用户名@域名”模式复杂，域名是否合法、地址是否真实可用，也不是单靠正则就能确认。注册场景通常应做合理的基础格式检查，再通过验证邮件确认可达性。

六、替换与分割

preg_replace() 可将匹配内容替换为指定文本。替换字符串可以引用捕获组，例如 $1 表示第一个捕获组；使用 ${1} 能在紧接数字时明确边界。

<?php
$text = '2024-03-15';
$pattern = '/\A(\d{4})-(\d{2})-(\d{2})\z/';
$replacement = '${2}/${3}/${1}';

$result = preg_replace($pattern, $replacement, $text);
echo $result; // 03/15/2024

preg_replace() 通常返回替换后的字符串；发生错误时返回 null。可以通过可选的第四个参数获得替换次数：

<?php
$text = 'cat dog cat';
$count = 0;

$result = preg_replace('/cat/', 'fox', $text, -1, $count);

echo $result . "\n"; // fox dog fox
echo $count . "\n";  // 2

第三个参数可以是字符串或字符串数组；限制替换次数的参数默认是不限次数，使用时应根据实际需求控制。不要把用户提供的替换文本直接当作正则模式，也不要忽略返回值。若用户输入的内容只是要被当作普通文本查找，应先使用 preg_quote() 转义模式元字符。

<?php
$needle = 'price.10';
$text = 'price.10 priceX10';

$pattern = '/' . preg_quote($needle, '/') . '/';
echo preg_replace($pattern, '[命中]', $text);
// [命中] priceX10

preg_quote() 的第二个参数可以传入所用的分隔符，让该分隔符也被转义。它适合把字面文本安全地嵌入正则模式，但不应被理解成通用的输出编码函数，也不能替代 HTML、SQL 或命令行场景各自需要的安全处理。

preg_split() 根据模式拆分字符串，适合分隔规则不只是单个固定字符的场景：

<?php
$line = 'apple, orange; pear';
$parts = preg_split('/[,;]\s*/', $line);

print_r($parts);

如果只需按固定字符串分隔，explode() 往往更简单；正则并不会因为功能更强就总是更合适。

七、PHP 字符串引号与反斜杠

正则模式通常包含大量反斜杠，而 PHP 源码本身也会解析字符串转义。新手常遇到的问题是：看到正则里的 \d，就机械地写成双引号字符串中的 "\\d"。双引号字符串会处理变量替换和部分反斜杠转义；单引号字符串的转义规则更少，写正则时通常较直观。

<?php
$pattern1 = '/\d+/';  // 单引号字符串，常用写法
$pattern2 = "/\\d+/"; // 双引号字符串，需要为 PHP 转义反斜杠

var_dump(preg_match($pattern1, '123'));
var_dump(preg_match($pattern2, '123'));

单引号字符串并非“任何内容都原样保留”：其中的反斜杠和单引号仍有特定转义规则。构造动态模式时，不要靠拼接来猜测层层转义是否正确；先明确字符串最终传给 PCRE 的内容，并用小样本测试。

八、边界与常见错误

1. 混淆字符匹配与格式校验

/\d{4}/ 可以在 abc1234xyz 中找到四位数字，但它不能证明整个字符串只有四位数字。做完整输入校验时应加上适当锚点，通常用 \A 和 \z。

2. 忘记转义点号

. 默认匹配任意非换行字符。匹配邮箱地址或域名中的字面点号时，应写 \.；否则模式可能意外接受其他字符。

3. 使用错误的字符范围

[0-9] 是数字字符范围，[A-z] 却不是“所有大小写英文字母”：ASCII 中 Z 与 a 之间还包含方括号等符号。需要英文字母时写 [A-Za-z]。

4. 以为忽略大小写会处理所有语言规则

修饰符 i 用于忽略大小写，但跨语言的大小写转换和特殊字符规则并不总等同于简单的 ASCII 大小写比较。涉及多语言文本时，需要结合 Unicode 模式和业务要求验证测试样例。

5. 忽略错误返回值

模式语法错误、无效 UTF-8 输入等情况可能使函数返回错误值。若把 false 当成“没有匹配”继续执行，问题往往会被掩盖。对关键操作应显式检查返回值，并记录必要的错误信息。

<?php
$result = preg_match('/[/', 'anything');

if ($result === false) {
    echo '匹配失败，PCRE 错误码：' . preg_last_error() . "\n";
}

preg_last_error() 返回最近一次 PCRE 操作的错误码。若运行环境支持，也可以通过 preg_last_error_msg() 获取更易读的说明；该函数在 PHP 8.0 起提供。排查时应在失败后立即读取错误信息，避免被后续正则调用覆盖。

6. 让量词造成过多回溯

诸如 (a+)+ 这样的嵌套重复，在某些不匹配输入上可能让回溯量急剧增长。外部输入很长、模式结构复杂时，需关注这种风险，避免使用大量嵌套的贪婪量词。可以通过明确字符范围、缩小输入长度、重新设计模式或使用合适的原子结构来降低不必要的回溯。

PCRE 有回溯与递归深度等资源限制，具体数值受 PHP 和 PCRE 版本、运行环境及配置影响，不应依赖某个固定默认值。PHP 的 pcre.backtrack_limit 和 pcre.recursion_limit 等配置会影响执行限制；调整上限不是修复低效模式的替代方案。处理不可信输入时，应同时控制输入长度、审查模式复杂度，并对失败和资源耗尽做好处理。

九、正则与安全：能做什么，不能做什么

正则可作为输入格式检查的一部分，例如检查日期文本是否符合某种书写形状、用户名是否只包含允许字符。但“格式符合”不等于“业务值有效”。例如 99-99-9999 可能满足某个日期外形，却不是有效日期；数值范围、日期合法性和业务约束仍应由专门逻辑验证。

正则也不能代替 HTML 转义、SQL 参数化或命令执行安全措施。检查输入中“不包含某个危险字符串”通常不足以构成可靠的安全策略；不同上下文有不同的语法和转义规则。输出 HTML 时使用适当的输出编码，访问数据库时使用预处理语句，执行系统命令时尽量避免拼接命令。

同样，不要用简单正则来解析任意 HTML。HTML 有嵌套结构、注释、属性、实体和格式差异，用正则做非常有限的已知片段提取或许可行，但不能保证完整解析。需要遍历或修改 HTML 文档时，应使用 PHP 的 DOM 等解析工具。

十、一个完整的输入检查示例

下面示例检查一个由英文字母、数字、下划线和连字符组成的标识符，长度为 3 到 20 个字符。它先检查整个字符串，再处理正则错误；长度和允许字符都是示例业务规则，不是通用用户名标准。

<?php
function isValidIdentifier(string $value): bool
{
    $pattern = '/\A[A-Za-z0-9_-]{3,20}\z/';

    $result = preg_match($pattern, $value);

    if ($result === false) {
        throw new RuntimeException(
            '正则执行失败，错误码：' . preg_last_error()
        );
    }

    return $result === 1;
}

$inputs = ['alice_1', 'ab', 'name with space', 'valid-name'];

foreach ($inputs as $input) {
    echo $input . ': ';
    echo isValidIdentifier($input) ? "有效\n" : "无效\n";
}

把规则写进模式之前，先用自然语言明确边界：是否允许空字符串，长度按字节还是字符计算，是否允许非 ASCII 字符，是否需要大小写不敏感，输入是否可能含换行。正则本身不能替你决定这些业务问题。

十一、编写和调试正则的实用步骤

先描述输入规则。明确要匹配的字符、顺序、次数，以及是否要求整串匹配。
从最小模式开始。先验证固定部分，再逐步添加字符类、量词和分组。
准备正反例。测试正常输入、边界长度、额外前后缀、空字符串、换行和非 ASCII 文本。
检查返回值与捕获结果。用 var_dump() 查看数组结构，确认分组索引与预期一致。
处理动态文本。用户输入若作为字面查找内容嵌入模式，使用 preg_quote() 并指定分隔符。
限制复杂度。避免不必要的嵌套重复，限制输入长度，对不可信数据测试最坏情况。

正则最适合表达边界明确、规模适中的文本模式。掌握分隔符、字符类、量词、锚点和捕获组后，许多常见的检查与提取任务都能清楚实现；遇到嵌套语法、复杂 Unicode 规则或安全敏感的业务判断时，则应让专用解析器和业务逻辑承担相应工作。

AI绘画 # php正则

文章版权归作者所有，未经允许请勿转载。

PHP正则怎么写？从基础匹配到捕获分组

PHP正则怎么写？从基础匹配到捕获分组

一、PHP 正则表达式的基本结构

二、常用字符、字符类和量词

三、字符类与 Unicode 边界

四、捕获分组：不只检查，还能提取

五、preg_match 与 preg_match_all

六、替换与分割

七、PHP 字符串引号与反斜杠

八、边界与常见错误

1. 混淆字符匹配与格式校验

2. 忘记转义点号

3. 使用错误的字符范围

4. 以为忽略大小写会处理所有语言规则

5. 忽略错误返回值

6. 让量词造成过多回溯

九、正则与安全：能做什么，不能做什么

十、一个完整的输入检查示例

十一、编写和调试正则的实用步骤

js相册特效使用教程：新手完成第一张作品的方法

没有更多了...

相关文章

一步步指导 SEO 关键词排行优化，改善网站可见度 (一步步指导的成语)

了解版权侵权鉴定的全面指南：保护您的知识产权 (了解版权侵权案例)

创意设计新选择：深入解析Canva平台的独特优势与使用体验 (创意设计新选题怎么写)

解读搜索引擎工作的原理网站优化必备 (解读搜索引擎是什么)

热门网址

网址

最新资讯

PHP正则怎么写？从基础匹配到捕获分组

PHP正则怎么写？从基础匹配到捕获分组

一、PHP 正则表达式的基本结构

二、常用字符、字符类和量词

三、字符类与 Unicode 边界

四、捕获分组：不只检查，还能提取

五、preg_match 与 preg_match_all

六、替换与分割

七、PHP 字符串引号与反斜杠

八、边界与常见错误

1. 混淆字符匹配与格式校验

2. 忘记转义点号

3. 使用错误的字符范围

4. 以为忽略大小写会处理所有语言规则

5. 忽略错误返回值

6. 让量词造成过多回溯

九、正则与安全：能做什么，不能做什么

十、一个完整的输入检查示例

十一、编写和调试正则的实用步骤

js相册特效使用教程：新手完成第一张作品的方法

没有更多了...

相关文章

一步步指导 SEO 关键词排行优化，改善网站可见度 (一步步指导的成语)

了解版权侵权鉴定的全面指南：保护您的知识产权 (了解版权侵权案例)

创意设计新选择：深入解析Canva平台的独特优势与使用体验 (创意设计新选题怎么写)

解读搜索引擎工作的原理网站优化必备 (解读搜索引擎是什么)

热门网址

网址

最新资讯

标签云