PHP 正则表达式(PCRE)（长文讲解）

PHP 正则表达式(PCRE)：从入门到实战应用

在处理文本数据时，你是否经常遇到需要从一段字符串中提取特定信息的场景？比如验证邮箱格式、过滤敏感词、解析日志文件，或是从网页中抓取标题？这些任务如果用传统的字符串匹配方法，代码会变得冗长且难以维护。而 PHP 正则表达式(PCRE) 正是为这类问题量身打造的利器。

它不是简单地“查找”字符串，而是通过定义一套规则（模式），让程序“理解”你想找的内容。你可以把它想象成一个智能搜索过滤器，不仅能找“有没有”，还能告诉你“是什么”“在哪”“有多少”。

本文将带你系统掌握 PHP 正则表达式(PCRE) 的核心语法与实战技巧，无论你是刚接触 PHP 的新手，还是有一定经验的开发者，都能从中获得实用价值。

什么是 PHP 正则表达式(PCRE)

PCRE 是“Perl Compatible Regular Expressions”的缩写，意为“与 Perl 兼容的正则表达式”。PHP 从 5.3 版本起，内置了 PCRE 扩展，成为处理复杂文本匹配的首选方案。

与传统字符串函数（如 strpos、substr）相比，正则表达式更强大、更灵活。它允许你用“模式”描述文本结构，从而实现精准匹配。

举个例子：

<?php
$text = "我的邮箱是 john@example.com，电话是 138-1234-5678。";

// 用正则匹配邮箱格式
if (preg_match('/^\w+@\w+\.\w+$/', $text, $matches)) {
    echo "找到了邮箱：{$matches[0]}\n"; // 输出：找到了邮箱：john@example.com
}

这段代码中，/^\w+@\w+\.\w+$/ 就是一个正则表达式模式。它描述了“以字母数字下划线开头，中间有 @，后面是域名和顶级域名”的邮箱结构。

注释：preg_match 是 PHP 中用于执行正则匹配的核心函数。/.../ 是模式的分隔符，^ 表示字符串开头，\w 匹配字母、数字、下划线，@ 是字面量字符，\. 表示点号本身（因为点号在正则中有特殊含义），$ 表示字符串结尾。

常用的元字符与量词

正则表达式的核心在于“元字符”——这些字符本身没有字面意义，而是赋予特殊含义。理解它们是掌握 PCRE 的第一步。

常见元字符

元字符	含义	示例
`.`	匹配任意单个字符（换行符除外）	`a.c` 可匹配 "abc"、"a1c"
`^`	匹配字符串开头	`^Hello` 匹配以 Hello 开头的字符串
`$`	匹配字符串结尾	`world$` 匹配以 world 结尾的字符串
`*`	匹配前一个字符 0 次或多次	`a*` 可匹配 ""、"a"、"aa"
`+`	匹配前一个字符 1 次或多次	`a+` 不能匹配 ""，但能匹配 "a"、"aa"
`?`	匹配前一个字符 0 次或 1 次	`a?` 可匹配 "" 或 "a"
`\d`	匹配数字 0-9	`\d{3}` 匹配三个连续数字
`\w`	匹配字母、数字、下划线	`\w+` 匹配一个或多个单词字符
`\s`	匹配空白字符（空格、制表符、换行符）	`\s+` 匹配一个或多个空白

量词使用示例

<?php
$phone = "电话：138-1234-5678";

// 匹配 3 位数字 + 连字符 + 4 位数字 + 连字符 + 4 位数字
if (preg_match('/\d{3}-\d{4}-\d{4}/', $phone, $matches)) {
    echo "找到有效手机号：{$matches[0]}\n"; // 输出：找到有效手机号：138-1234-5678
}

注释：\d{3} 表示匹配恰好 3 个数字，{4} 同理。这种 {n} 写法是量词的简写形式，可以精确控制重复次数。

字符类与分组

当你要匹配的字符范围较广时，字符类（Character Classes）就派上用场了。

字符类

写法	含义
`[abc]`	匹配 a、b 或 c 中的任意一个
`[a-z]`	匹配 a 到 z 之间的任意小写字母
`[0-9]`	匹配 0 到 9 之间的任意数字
`[^abc]`	匹配非 a、非 b、非 c 的字符（取反）

分组与捕获

分组用括号 ( ) 表示，它不仅能将多个字符组合成一个单元，还能“记住”匹配的内容，供后续使用。

<?php
$text = "姓名：张三，年龄：25岁，城市：北京";

// 匹配姓名、年龄、城市三部分
if (preg_match('/姓名：(.*?)[，,]年龄：(\d+)岁[，,]城市：(.*?)$/', $text, $matches)) {
    echo "姓名：{$matches[1]}\n";     // 张三
    echo "年龄：{$matches[2]}\n";     // 25
    echo "城市：{$matches[3]}\n";     // 北京
}

注释：(...) 是捕获组，每个组的内容会被存入 $matches 数组中。.*? 是非贪婪匹配，避免一次性吃掉所有内容。[，,] 表示中文逗号或英文逗号，确保兼容多种分隔符。

常用 PHP 正则函数解析

PHP 提供了多个函数来支持正则操作，掌握它们能让你高效完成任务。

`preg_match`：匹配一次

用于判断是否匹配成功，返回 1（成功）、0（失败）或 false（错误）。

<?php
$email = "user@domain.com";

if (preg_match('/^\w+@\w+\.\w+$/', $email)) {
    echo "邮箱格式正确\n";
} else {
    echo "邮箱格式错误\n";
}

`preg_match_all`：全局匹配

找出所有匹配项，适合提取多个结果。

<?php
$text = "电话：138-1234-5678，另一个：159-8765-4321";

// 提取所有手机号
preg_match_all('/\d{3}-\d{4}-\d{4}/', $text, $matches);

foreach ($matches[0] as $phone) {
    echo "手机号：{$phone}\n";
}

`preg_replace`：替换匹配内容

用新字符串替换匹配到的部分。

<?php
$html = "<p>欢迎访问我们的网站</p><a href='/about'>关于我们</a>";

// 将所有 a 标签替换为链接文本
$result = preg_replace('/<a\s+[^>]*>(.*?)<\/a>/', '[$1]', $html);
echo $result; // 输出：[欢迎访问我们的网站][关于我们]

注释：<a\s+[^>]*> 匹配 a 标签及其属性，[^>]* 表示非 > 的任意字符，\s+ 表示一个或多个空白符。

实战案例：邮箱与手机号验证

我们来做一个完整的验证功能，展示 PHP 正则表达式(PCRE) 如何在实际项目中应用。

<?php
function validateEmail($email) {
    // 常见邮箱格式：用户名@域名.后缀
    $pattern = '/^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/';
    return preg_match($pattern, $email);
}

function validatePhone($phone) {
    // 支持 11 位手机号，可带连字符或空格
    $pattern = '/^1[3-9]\d{9}$|^\d{3}[-\s]?\d{4}[-\s]?\d{4}$/';
    return preg_match($pattern, $phone);
}

// 测试数据
$testEmails = [
    'user@example.com',
    'invalid.email',
    'test@sub.domain.co.uk'
];

$testPhones = [
    '13812345678',
    '138-1234-5678',
    '138 1234 5678',
    '12345678901'
];

echo "=== 邮箱验证 ===\n";
foreach ($testEmails as $email) {
    echo "{$email} -> " . (validateEmail($email) ? '有效' : '无效') . "\n";
}

echo "\n=== 手机号验证 ===\n";
foreach ($testPhones as $phone) {
    echo "{$phone} -> " . (validatePhone($phone) ? '有效' : '无效') . "\n";
}

注释：[a-zA-Z0-9._%+-]+ 表示邮箱用户名部分可包含字母、数字、点、下划线、百分号、加号、减号。{2,} 表示至少两个字符，确保顶级域名如 .com、.org 有效。^1[3-9]\d{9}$ 是中国大陆手机号的标准格式。

常见陷阱与最佳实践

在使用 PHP 正则表达式(PCRE) 时，有几个容易踩坑的地方需要特别注意：

忘记转义特殊字符：如 .、*、+、? 等在正则中有特殊含义，若要匹配字面量，必须加反斜杠 \.。
贪婪 vs 非贪婪：默认 *、+ 是贪婪的，会尽可能多地匹配。如需最小匹配，使用 *?、+?。
性能问题：过于复杂的正则可能导致性能下降，尤其在处理大文本时。
编码问题：确保文本是 UTF-8 编码，否则中文字符可能匹配失败。可配合 u 修饰符使用：/pattern/u。

<?php
// 正确：匹配中文字符
$text = "你好，世界";
if (preg_match('/^[\p{Han}]+$/u', $text)) {
    echo "包含中文字符\n";
}

注释：\p{Han} 是 Unicode 中文字符类别，u 修饰符启用 UTF-8 模式，确保中文能被正确识别。

总结

PHP 正则表达式(PCRE) 是处理文本的强大工具，它不仅能简化字符串操作，还能提升代码的可读性和维护性。通过掌握元字符、量词、分组、字符类等核心概念，你可以在项目中灵活应对各种文本处理需求。

从邮箱验证到日志解析，从数据清洗到内容提取，正则表达式都能成为你的得力助手。虽然初学时可能觉得复杂，但只要多写多练，你会发现它其实非常“有逻辑”且“有美感”。

别再用繁琐的字符串处理了，让 PHP 正则表达式(PCRE) 帮你写出更优雅、更高效的代码。