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 "*" 字符,就需要在模式中寫為 "\*"。 這適用于一個字符在不進行轉(zhuǎn)義會有特殊含義的情況下。 但是, 對于非數(shù)字字母的字符,總是在需要其進行原文匹配的時候在它前面增加一個反斜線, 來聲明它代表自己,這是安全的。如果要匹配一個反斜線,那么在模式中使用 ”\\”。

注意:

反斜線在單引號和雙引號 PHP 字符串 中都有特殊含義。因此要匹配一個反斜線 \,正則表達式寫法是 \\, 然后 PHP 代碼中需要轉(zhuǎn)義寫成 "\\\\" 或 '\\\\'。

如果一個模式被使用 PCRE_EXTENDED 選項編譯, 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被忽略。 要在這種情況下使用空白字符或者#,就需要對其進行轉(zhuǎn)義。

反斜線的第二種用途提供了一種對非打印字符進行可見編碼的控制手段。 除了二進制的 0 會終結(jié)一個模式外,并不會嚴格的限制非打印字符(自身)的出現(xiàn), 但是當(dāng)一個模式以文本編輯器的方式編輯準備的時候, 使用下面的轉(zhuǎn)義序列相比使用二進制字符會更加容易:

\a
響鈴字符(十六進制 07)
\cx
"control-x",x 是任意字符
\e
轉(zhuǎn)義 (十六進制 1B)
\f
換頁 (十六進制 0C)
\n
換行 (十六進制 0A)
\p{xx}
一個符合 xx 屬性的字符,詳細查看unicode properties 屬性
\P{xx}
一個不符合xx屬性的字符,詳細查看unicode properties 屬性
\r
回車 (十六進制 0D)
\R
換行符:能匹配 \n、\r、\r\n
\t
水平制表符 tab (十六進制 09)
\xhh
hh 十六進制編碼的字符
\ddd
ddd八進制編碼的字符,或者后向引用

\cx的確切效果如下: 如果x是一個小寫字母,它被轉(zhuǎn)換為大寫。接著, 將字符的第6位(十六進制 40,右數(shù)第一個位為第0位)取反。 比如\cz成為十六進制的1A,\c{成為十六進制3B, \c;成為十六進制7B。

在”\x”后面,讀取兩個十六進制數(shù)(字母可以是大寫或小寫)。 在UTF-8模式, “\x{…}”允許使用, 花括號內(nèi)的內(nèi)容是十六進制有效數(shù)字。 它將給出的十六進制數(shù)字解釋為 UTF-8 字符代碼。原來的十六進制轉(zhuǎn)義序列, \xhh, 匹配一個雙字節(jié)的UTF-8字符,如果它的值大于127

在”\0”之后, 讀取兩個八進制數(shù)。所有情況下,如果數(shù)少于2個,則直接使用。 序列 ”\0\x\07” 指定了兩個二進制 0 緊跟著一個 BEL 字符。 請確保初始的 0 之后的兩個數(shù)字是合法的八進制數(shù)。

處理一個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(子組), 整個數(shù)字序列被認為是后向引用。后向引用如何工作在后面描述, 接下來就會討論括號子組。

在一個字符類里面,或者十進制數(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 8 進制數(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個子組時也認為是空格。
\7
始終是后向引用
\11
可能是后向引用,也可能是制表符
\011
總是一個制表符
\0113
一個制表符緊跟著一個3(因為每次最多只讀取3個8進制位
\113
八進制113代表的字符(since there can be no more than 99 back references)
\377
8進制377是10進制255, 因此代表一個全1的字符
\81
一個后向引用或者一個二進制 0 緊跟著兩個數(shù)字 8 和 1(因為8不是8進制有效數(shù)字)

注意,八進制值的 100 或者更大的值必須沒有前置的0引導(dǎo), 因為每次最多讀取3個8進制位.

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(hex 08)。 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描述特定的字符類:

\d
任意十進制數(shù)字
\D
任意非十進制數(shù)字
\h
任意水平空白字符
\H
任意非水平空白字符
\s
任意空白字符
\S
任意非空白字符
\v
任意垂直空白字符
\V
任意非垂直空白字符
\w
任意單詞字符
\W
任意非單詞字符

上面每一對轉(zhuǎn)義序列都代表了完整字符集中兩個不相交的部分, 任意字符一定會匹配其中一個,同時一定不會匹配另外一個。

"空白字符"(whitespace)是 HT (9)、LF (10)、FF (12)、CR (13)、space (32)。 然而,若發(fā)生了本地化匹配,在代碼點 128-255 范圍內(nèi)亦可能出現(xiàn)空白字符, 比如說 NBSP (A0)。

單詞字符指的是任意字母、數(shù)字、下劃線。 也就是說任意可以組成perl單詞的字符。 字母和數(shù)字的定義通過PCRE字符表控制,可以通過指定地域設(shè)置使其匹配改變。比如, 在法國 (fr) 本地化設(shè)置中,一些超過 128 的字符代碼被用于重音字母, 它們可以實用 \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字符。 如果當(dāng)前匹配點位于目標字符串末尾, 它們中的所有字符都匹配失敗, 因為沒有字符讓它們匹配了。

反斜線的第四種用法是一些簡單的斷言。 一個斷言指定一個必須在特定位置匹配的條件, 它們不會從目標字符串中消耗任何字符。 接下來我們會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
目標的開始位置(獨立于多行模式)
\Z
目標的結(jié)束位置或結(jié)束處的換行符(獨立于多行模式)
\z
目標的結(jié)束位置(獨立于多行模式)
\G
在目標中首次匹配位置

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)

一個單詞邊界表示的是在目標字符串中, 當(dāng)前字符和前一個字符不同時匹配\w\W(一個匹配\w, 一個匹配\W), 或者作為字符串開始或結(jié)尾字符的時候當(dāng)前字符匹配\w。

\A, \Z\z斷言不同于傳統(tǒng)的^$(詳見 ), 因為他們永遠匹配目標字符串的開始和結(jié)尾,而不會受模式修飾符的限制。 它們不受PCRE_MULTILINEPCRE_DOLLAR_ENDONLY選項的影響。 \Z\z 之間的不同在于當(dāng)字符串結(jié)束字符時換行符時 \Z 會將其看做字符串結(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的時候才是成功的。 當(dāng) offset 的值不為 0 的時候, 它與 \A 是不同的。 譯注:另外一點與 \A 的不同之處在于使用 preg_match_all() 時, 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字符串開始位置。

\Q\E 可以用于在模式中忽略正則表達式元字符。比如: \w+\Q.$.\E$ 會匹配一個或多個單詞字符,緊接著 .$., 最后錨向字符串末尾。

\K 可以用于重置匹配。 比如, foot\Kbar 匹配”footbar”。 但是得到的匹配結(jié)果是 ”bar”。但是, \K 的使用不會干預(yù)到子組內(nèi)的內(nèi)容, 比如 (foot)\Kbar 匹配 ”footbar”,第一個子組內(nèi)的結(jié)果仍然會是 ”foo”。譯注: \K 放在子組和子組外面的效果是一樣的。