PHP擴(kuò)展之文本處理(二)——PCRE正則表達(dá)式語(yǔ)法3——轉(zhuǎn)義序列(反斜線)
反斜線有多種用法。首先,如果緊接著是一個(gè)非字母數(shù)字字符,表明取消 該字符所代表的特殊涵義。這種將反斜線作為轉(zhuǎn)義字符的用法在字符類 內(nèi)部和外部都可用。
比如,如果你希望匹配一個(gè) '*' 字符,就需要在模式中寫為 '*'。 這適用于一個(gè)字符在不進(jìn)行轉(zhuǎn)義會(huì)有特殊含義的情況下。 但是, 對(duì)于非數(shù)字字母的字符,總是在需要其進(jìn)行原文匹配的時(shí)候在它前面增加一個(gè)反斜線, 來(lái)聲明它代表自己,這是安全的。如果要匹配一個(gè)反斜線,那么在模式中使用 ””。
Note:
反斜線在單引號(hào)字符串和雙引號(hào)字符串?中都有特殊含義,因此要匹配一個(gè)反斜線, 模式中必須寫為 ””。 譯注: “//”, 首先它作為字符串,反斜線會(huì)進(jìn)行轉(zhuǎn)義, 那么轉(zhuǎn)義后的結(jié)果是//,這個(gè)才是正則表達(dá)式引擎拿到的模式, 而正則表達(dá)式引擎也認(rèn)為 是轉(zhuǎn)義標(biāo)記,它會(huì)將分隔符 / 進(jìn)行轉(zhuǎn)義, 從而得到的是一個(gè)錯(cuò)誤,因此,需要 4 個(gè)反斜線才可以匹配一個(gè)反斜線。
如果一個(gè)模式被使用?PCRE_EXTENDED?選項(xiàng)編譯, 模式中的空白字符(除了字符類中的)和未轉(zhuǎn)義的#到行末的所有字符都會(huì)被忽略。 要在這種情況下使用空白字符或者#,就需要對(duì)其進(jìn)行轉(zhuǎn)義。
反斜線的第二種用途提供了一種對(duì)非打印字符進(jìn)行可見編碼的控制手段。 除了二進(jìn)制的 0 會(huì)終結(jié)一個(gè)模式外,并不會(huì)嚴(yán)格的限制非打印字符(自身)的出現(xiàn), 但是當(dāng)一個(gè)模式以文本編輯器的方式編輯準(zhǔn)備的時(shí)候, 使用下面的轉(zhuǎn)義序列相比使用二進(jìn)制字符會(huì)更加容易。
a響鈴字符(十六進(jìn)制 07)cx'control-x',x 是任意字符e轉(zhuǎn)義 (十六進(jìn)制 1B)f換頁(yè) (十六進(jìn)制 0C)n換行 (十六進(jìn)制 0A)p{xx}一個(gè)符合 xx 屬性的字符P{xx}一個(gè)不符合xx屬性的字符r回車 (十六進(jìn)制 0D)t水平制表符 (十六進(jìn)制 09)xhhhh十六進(jìn)制編碼的字符dddddd八進(jìn)制編碼的字符,或者后向引用cx的確切效果如下: 如果x是一個(gè)小寫字母,它被轉(zhuǎn)換為大寫。接著, 將字符的第6位(十六進(jìn)制 40,右數(shù)第一個(gè)位為第0位)取反。 比如cz成為十六進(jìn)制的1A,c{成為十六進(jìn)制3B,?c;成為十六進(jìn)制7B。
在”x”后面,讀取兩個(gè)十六進(jìn)制數(shù)(字母可以是大寫或小寫)。 在UTF-8模式, “x{…}”允許使用, 花括號(hào)內(nèi)的內(nèi)容是十六進(jìn)制有效數(shù)字。 它將給出的十六進(jìn)制數(shù)字解釋為 UTF-8 字符代碼。原來(lái)的十六進(jìn)制轉(zhuǎn)義序列,?xhh, 匹配一個(gè)雙字節(jié)的UTF-8字符,如果它的值大于127
在”0”之后, 讀取兩個(gè)八進(jìn)制數(shù)。所有情況下,如果數(shù)少于2個(gè),則直接使用。 序列 ”0x07” 指定了兩個(gè)二進(jìn)制 0 緊跟著一個(gè) BEL 字符。 請(qǐng)確保初始的 0 之后的兩個(gè)數(shù)字是合法的八進(jìn)制數(shù)。
處理一個(gè)反斜線緊跟著的不是0的數(shù)字的情況比較復(fù)雜。在字符類外部, PCRE 讀取它并以十進(jìn)制讀取緊隨其后的數(shù)字。 如果數(shù)值小于 10, 或者之前捕獲到了該數(shù)字能夠代表的左括號(hào)(子組), 整個(gè)數(shù)字序列被認(rèn)為是后向引用。后向引用如何工作在后面描述, 接下來(lái)就會(huì)討論括號(hào)子組。
在一個(gè)字符類里面,或者十進(jìn)制數(shù)大于 9 并且沒有那么多的子組被捕獲, PCRE 重新讀取反斜線后的第三個(gè) 8 進(jìn)制數(shù)字,并且從最低的 8 位生成單字節(jié)值。 任何的后續(xù)數(shù)字都代表它們自身。例如:
040空格的另外一種用法40當(dāng)提供了少于40個(gè)子組時(shí)也認(rèn)為是空格。7始終是后向引用11可能是后向引用,也可能是制表符011總是一個(gè)制表符0113一個(gè)制表符緊跟著一個(gè)3(因?yàn)槊看巫疃嘀蛔x取3個(gè)8進(jìn)制位113八進(jìn)制113代表的字符3778進(jìn)制377是10進(jìn)制255, 因此代表一個(gè)全1的字符81一個(gè)后向引用或者一個(gè)二進(jìn)制 0 緊跟著兩個(gè)數(shù)字 8 和 1(因?yàn)?不是8進(jìn)制有效數(shù)字)注意,八進(jìn)制值的 100 或者更大的值必須沒有前置的0引導(dǎo), 因?yàn)槊看巫疃嘧x取3個(gè)8進(jìn)制位.
所有序列定義的單字節(jié)值都可以在字符類內(nèi)部或外部使用。另外,在字符類中, 序列 ”b” 解釋為退格字符。字符類外它又有不同的意義(下面有描述)
反斜線的第三種用法是用來(lái)描述特定的字符類:
d任意十進(jìn)制數(shù)字D任意非十進(jìn)制數(shù)字h任意水平空白字符(since PHP 5.2.4)H任意非水平空白字符(since PHP 5.2.4)s任意空白字符S任意非空白字符v任意垂直空白字符(since PHP 5.2.4)V任意非垂直空白字符(since PHP 5.2.4)w任意單詞字符W任意非單詞字符上面每一對(duì)轉(zhuǎn)義序列都代表了完整字符集中兩個(gè)不相交的部分, 任意字符一定會(huì)匹配其中一個(gè),同時(shí)一定不會(huì)匹配另外一個(gè)。
單詞字符指的是任意字母、數(shù)字、下劃線。 也就是說(shuō)任意可以組成perl單詞的字符。 字母和數(shù)字的定義通過(guò)PCRE字符表控制,可以通過(guò)指定地域設(shè)置使其匹配改變。比如, 在法國(guó) (fr) 地域設(shè)置中,一些超過(guò) 128 的字符代碼被用于重音字母, 它們可以實(shí)用?w?匹配。
這些字符類序列在字符類內(nèi)部或外部都可以出現(xiàn)。 他們每次匹配所代表的字符類型中的一個(gè)字符。 如果當(dāng)前匹配點(diǎn)位于目標(biāo)字符串末尾, 它們中的所有字符都匹配失敗, 因?yàn)闆]有字符讓它們匹配了。
反斜線的第四種用法是一些簡(jiǎn)單的斷言。 一個(gè)斷言指定一個(gè)必須在特定位置匹配的條件, 它們不會(huì)從目標(biāo)字符串中消耗任何字符。 接下來(lái)我們會(huì)討論使用子組的更加復(fù)雜的斷言。 反斜線斷言包括:
b單詞邊界B非單詞邊界A目標(biāo)的開始位置(獨(dú)立于多行模式)Z目標(biāo)的結(jié)束位置或結(jié)束處的換行符(獨(dú)立于多行模式)z目標(biāo)的結(jié)束位置(獨(dú)立于多行模式)G在目標(biāo)中首次匹配位置這些斷言不能出現(xiàn)在字符類中(但是注意, “b”在字符類中有不同的意義, 表示的是退格(backspace)字符)
一個(gè)單詞邊界表示的是在目標(biāo)字符串中, 當(dāng)前字符和前一個(gè)字符不同時(shí)匹配w或W(一個(gè)比配w, 一個(gè)匹配W), 或者作為字符串開始或結(jié)尾字符的時(shí)候當(dāng)前字符匹配w。
A,?Z,?z斷言不同于傳統(tǒng)的^和$(詳見下文), 因?yàn)樗麄冇肋h(yuǎn)匹配目標(biāo)字符串的開始和結(jié)尾,而不會(huì)受模式修飾符的限制。 它們不受PCRE_MULTILINE,PCRE_DOLLAR_ENDONLY選項(xiàng)的影響。?Z?和?z?之間的不同在于當(dāng)字符串結(jié)束字符時(shí)換行符時(shí)?Z?會(huì)將其看做字符串結(jié)尾匹配, 而?z?只匹配字符串結(jié)尾。
G?斷言在指定了$offset?參數(shù)的?preg_match()?調(diào)用中, 僅在當(dāng)前匹配位置在匹配開始點(diǎn)的時(shí)候才是成功的。 當(dāng)$offset?的值不為 0 的時(shí)候, 它與?A?是不同的。 譯注:另外一點(diǎn)與?A?的不同之處在于使用 preg_match_all() 時(shí), 每次匹配?G?只是斷言是否是匹配結(jié)果的開始位置, 而?A?斷言的則是匹配結(jié)果的開始位置是否在目標(biāo)字符串開始位置。
自 PHP 4.3.3開始,?Q?和?E?可以用于在模式中忽略正則表達(dá)式元字符。比如:?w+Q.$.E$?會(huì)匹配一個(gè)或多個(gè)單詞字符,緊接著一個(gè)點(diǎn)號(hào),一個(gè)$,一個(gè)點(diǎn)號(hào), 最后錨向字符串末尾。
自 PHP 5.2.4 開始。?K?可以用于重置匹配。 比如,?footKbar?匹配”footbar”。 但是得到的匹配結(jié)果是 ”bar”。但是,K?的使用不會(huì)干預(yù)到子組內(nèi)的內(nèi)容, 比如?(foot)Kbar?匹配 ”footbar”,第一個(gè)子組內(nèi)的結(jié)果仍然會(huì)是 ”foo”。譯注: K 放在子組和子組外面的效果是一樣的。
相關(guān)文章:
1. JavaWeb Servlet中url-pattern的使用2. jsp中sitemesh修改tagRule技術(shù)分享3. asp(vbscript)中自定義函數(shù)的默認(rèn)參數(shù)實(shí)現(xiàn)代碼4. React優(yōu)雅的封裝SvgIcon組件示例5. 輕松學(xué)習(xí)XML教程6. php網(wǎng)絡(luò)安全中命令執(zhí)行漏洞的產(chǎn)生及本質(zhì)探究7. ASP刪除img標(biāo)簽的style屬性只保留src的正則函數(shù)8. JSP servlet實(shí)現(xiàn)文件上傳下載和刪除9. ASP基礎(chǔ)知識(shí)VBScript基本元素講解10. 詳解瀏覽器的緩存機(jī)制
