学习PHP中的正则表达式

这两天一直在弄百度的站内搜索,想着写一个小程序来自动给百度站内搜索工具中提交结构化的数据,由于zblog的数据库中article表中存放的文章是带有html标签的,如果不把这些标签去掉而直接提交给搜索引擎的话,就会导致搜索不准确,会在搜索中出现很多html标签。因此,去掉这些html标签再将纯文字提交给搜索引擎是十分必要的。

就上面的问题,我的解决方法是使用PHP中的正则表达式来匹配处理,存储在数据库表中的标签有很多类,我觉得具有代表性的就只有:<p></p>、<img src="" />、<br />、<a href="http://username:password@hostname/path?arg=value#anchor">23</a>,我觉的只要处理好这几类标签,并且忽略下大小写就好了,所以我写的正则表达式是:/<[\d\w\s\/="\?@\#\'\._:]*>/i,下面就从这里开始介绍下PHP中的正则表达式:

(1)定界符

在PHP中,通常使用左斜杠(/)或者井号(#)来作为定界符的开始和结束,一般常见的都是左斜杠(/),井号(#)通常用在正则表达式中出现左斜杠(/)太多,而不宜再添加左斜杠(/)来影响代码可读性的时候使用。例如在一个网址中:

简单的一个网址:http://yedward.net/post/20.html

正则表达式:/^http:\/\/[\w.]+[\w]+\/[\w]+\/[\d]+.html$/,由于其中左斜杠(/)太多了,影响可读性,这个时候就可以把最前最后的两个定界符换成#来使用,这个时候就可以不用对左斜杠进行转义操作了,改写成:#^http://[\w.]+[\w]+/[\w]+/[\d]+.html$#。

(2)修饰符

修饰符的作用是用来改变正则表达式的行为。就比如上面的例子进行匹配的时候,只会匹配大小写一样的,如果网址是:HTTP://WWW.YEDWARD.NET/POST/20.HTML,这个时候进行匹配,就会出错,因为没有忽略大小写,想要成功匹配只要在定界符后面加一个字母i,将正则表达式改成:/^http:\/\/[\w.]+[\w]+\/[\w]+\/[\d]+.html$/i。正则表达式的修饰符有很多,可以只在参考PHP手册,这里不多说。

(3)字符域

可以理解为用方括号[]括起来的就是字符语,可以理解成是一群字符的集合。比如,如果你要匹配的字符串中又包括数字又包括小写英文字母,这个时候你就可以写成/[\d\w]*/。

(4)限定符

顾名思义,限定符起到的就是一个限定的作用。例如,整数的正则表达式可以是:/[\d]+/,其中加号(+)表示一个或者多个,也可以写成/[\d]{1,}/,如果是表示0个或者多个就是/[\d]{0,}/。

(5)脱字符

脱字符指的是^,如果^放在字符域中,它表示的是否定不包括的意思,比如/[^\d]/即为不是整数。如果^放在表达式之前,开始定界符的后面,则表示从当前字符开始,那么在匹配的时候,就一定要要以^后面的那个字符作为开始,比如/^[\d]+/就表示要以整数开始。当^表示开始的时候,通常与它在一起用的还有$,它表示的就是结束。

对于正则表达式,不同的人对于同一个对象的描述可能都不同,可能有的人会写的繁琐一点,有的人会写的特别简单,看起来好像特别难,多看看别人写的,多自己去写写,其实发现也不是多么的难以触及。

本文标题:学习PHP中的正则表达式

本文链接:http://yedward.net/?id=20

本文版权归作者所有,欢迎转载,转载请以文字链接的形式注明文章出处。

相关文章