The Preg Function Interface

PHP正则引擎的处理方式完全是程序式的（☞95），包括表10-2顶端的6个函数，表格还列举了4个有用的函数，将在本章后面提到。

表10-2：PHP Preg函数概览

每个函数的具体功能都取决于参数的个数、标志位（flag），以及正则表达式所使用的模式修饰符。在深入细节之前我们先通过几个例子来看看PHP中的正则表达式的例子和处理方式。

最后的程序，如果输入‘Larry，·Curly，· Moe’，返回三个元素的数组：‘Larry’，‘Curly’和‘Moe’。

“pattern”参数

\"Pattern\"Arguments

所有preg函数的第一个参数都是pattern，正则表达式包含在一对分隔符之内，可能还跟有模式修饰符。在上面的第一个例子中，pattern参数是‘/＜tableb/i’，也就是包含在一对斜线（分隔符）里头的「＜tableb」，然后是模式修饰符i（不区分大小写的匹配）。

PHP单引号字符串

因为正则表达式很有可能包含反斜线，，所以在以字符串文字方式提供pattern参数时，最好使用PHP的单引号字符串。第3章介绍了PHP的字符串文字（☞103），简单地说，如果使用单引号字符串文本，正则表达式就可以省略许多额外的转义。PHP 的单引号字符串只有两个元序列，‘’’和‘\\’，分别代表单引号和反斜线。

有一种转义需要特别注意，就是在正则表达式中使用「\\」匹配一个反斜线字符。在单引号字符串中，每个「」都应表示为\\，所以「\\」就成了\\\\。四个反斜线才能匹配一个反斜线字符，这真神奇！

（473页有反斜线繁复到极端的例子。）

举个具体的例子，用正则表达式匹配Windows系统中的分区名，例如‘C：’。可以用正则表达式「^[A-Z]：\\$」，表示为单引号字符串文字就是‘^[A-Z]：\\\\$’。

第5章第190页有一个例子，「^.＊\\」作为pattern字符串时应该写成‘/^.＊\\/’，使用3个反斜线。照此类推，我找到这几个例子：

头两个例子尽管方式不同，结果却是一样的。在第一个例子中，结尾的‘/’\'对于单引号字符串文字并不是特殊文本，所以它就等于字符串的值。第二个例子中，‘\\’对于字符串文字来说有特殊含义，所以输出的字符串中出现单个‘’。它与后面的字符（斜线）放在一起，得到与第一个例子同样的‘/’。同样的道理，第三个和第四个例子也会得到同样的结果。

当然，你也可以使用PHP的双引号字符串文本，但是它们要麻烦许多。它们支持许多字符串元序列，这些在正则表达式字符串中都必须特殊处理。

分隔符

preg引擎要求正则表达式两端必须有分隔符，因为设计者希望它看起来更像Perl，尤其在模式修饰符的使用方法上更是如此。有的程序员觉得在正则表达式两端添加分隔符简直是多此一举，但是无论好还是不好，规定就是规定（第448也给出了一个“不好”的原因）。

常见的做法是使用斜线作为分隔符，不过我们还可以用除了字母、数字、反斜线和空白字符之外的任何ASCII字符做分隔符。最常见的是一对斜线，但两个‘！’和‘＃’也很常见。

如果第一个分隔符表示“开（opening）”：

{(＜ [

对应的“闭”分隔符就是：

}) ＞]

如果使用这样“配对”的分隔符，分隔符就可能嵌套，所以‘（（d+））’也可以用作pattern字符串。其中，外面的括号是模式字符串分隔符，内部的括号属于分隔符之内的正则表达式。为了清晰起见，我会避免这种情况，使用简单易懂的‘/（d+）/’。

pattern字符串内部可以出现转义的分隔符，所以‘/＜B＞（.＊？）＜/B＞/i’并没有错，不过换一组分隔符可能看得更清楚，例如‘！＜B＞（.＊？）＜/B＞！i’使用‘！…！’作为分隔符，而‘{＜B＞（.＊？）＜/B＞}i’使用‘{…}’。

模式修饰符

在结束分隔符之后可以跟随多种模式修饰符（用PHP的术语来说，叫做pattern modifier），在某些情况下，修饰符也可以出现在正则表达式内部，修饰模式的某些性质。我们已经在一些例子中看到过表示不区分大小写的模式修饰符i。下面简要介绍模式修饰符：

下面三个很少用到

表达式内部的模式修饰符 在正则表达式内部，模式修饰符可以单独出现，来启用或停用某些特性（例如用「（？i）」来启用不区分大小写的匹配，用「（？-i）」来停用☞135）。此时，它们的作用范围持续到对应的结束括号，如果不存在，就持续到正则表达式的末尾。

他们也可以用作模式修饰范围（☞135），例如「（？i：…）」表示对此括号内的内容进行不区分大小写的匹配，「（？-sm：…）」表示在此范围内停用s和m模式。

正则表达式之外，结束分隔符之后的模式修饰符可以以任何顺序组织，下例中的‘si’表示同时启用不区分大小写和点号通配模式：

if (preg_match(\'{＜title＞(.＊?)＜/title＞}si\',$html,$captures))

PHP特有的修饰符 列表最上端的4个模式修饰符属于标准修饰符，在第3章（☞110）已经讨论过。修饰符e只能在preg_replace中使用，详细的讨论见对应的小节（☞459）。

模式修饰符u告诉preg引擎，以UTF-8编码处理正则表达式和目标字符串。此模式修饰符不会修改数据，只是更改正则引擎处理数据的方式。默认（也就是未使用模式修饰符u）的情况下，preg引擎认为接收的数据都是8位编码的（☞87）。如果用户知道数据是UTF-8编码的，请使用此修饰符，否则请不要使用。在UTF-8编码中，非ASCII字符以多个字节来存储，使用u修饰符能够确保多个字节会被作为单个字符来处理。

模式修饰符X启用PCRE的“额外功能（extra stuff）”，目前它只有一个效果：如果出现了无法识别的反斜线序列，就报告错误。例如，默认情况下，「k」在PCRE中没有特殊意义，就等价于「k」（因为这不是一个已知的元序列，所以反斜线会被忽略）。如果使用了模式修饰符X，就会报告“unrecognized character follows”。

未来版本的 PHP 可能包含更高版本的 PCRE，其中当前没有特殊意义的反斜线组合可能被赋予新的意义，所以为了保持未来的兼容性（以及一般可读性），最好是不要转义不需要的字母，除非它们现在有特殊意义。从这个意义上说，模式修饰符X 意义重大，因为它可以发现这样的错误。

模式修饰符S调用PCRE的“study（研究）”特性，预先分析正则表达式，在某些顺利的情况下，在尝试匹配时速度会大大提升。本章中关于效率的内容将对此有介绍，请参考第478页。

剩下的模式修饰符实用价值不大，也不常用：

●模式修饰符A把匹配锚定在第一次尝试的位置，就等于整个正则表达式以「G」开头。如果用第4章的汽车的类比，这就是关闭传动机构的“驱动过程”（☞148）。

●模式修饰符D会把每个「$」替换为「z」（☞112），即「$」匹配字符串的末尾，而不是字符串之内的换行符。

●模式修饰符 U 交换元字符的匹配优先含义：「＊」和「＊？」交换，「+」和「+？」交换，等等。我猜这个模式修饰符的主要作用在于制造混乱，所以我完全不推荐使用它。