最近接一活儿是关于爬取数据,爬取这块略过,其中数据处理需要用到正则整理记录一下,以下部分数据整理来源于网络项目中已得到验证确定可行。
Perl正则表达式函数:
preg_grep($mode,$str) //匹配查找,返回一个数组;
preg_match($mode,$str,$return) //在字符串中查找匹配项,返回一个数组。
preg_match_all($mode,$str,$return [,int flags])
preg_split($mode,$str [,int limit 切割多少次 [,int flags] ] ) //使用正则表达式分割字符串,并将结果以数组的形式返回(类似explode)。
preg_replace($mode,$replacement,$str [,int limit 匹配多少次]) //查找和替换子字符串(类似str_replace)
preg_quote($str) //在每个正则表达式的特殊字符前面加入一个转义字符(反斜线“”),正则表达式的特殊字符包括:.+*?[^]$(){}=!<>|:
解题方法总结:
1.先写出一个要匹配的字符串
2.自左向右的顺序使用正则表达式的原子和元字符拼接
3.加入模式修正符
【常用正则表达式】
//删除一对中括号内的内容:
$str = 'abc[url]123[/url]xyz';
$pattern = '/[urlS*[/urlS*]/';
$str = preg_replace($pattern, '', $str);
echo $str . ''; //输出:abcxyz
//PHP匹配多对中括号中的内容:
$str = '这是[3]def[25]我的[26]';
$pattern = '/[([a-z0-9]+)]/';
preg_match($pattern, $str, $match);
print_r($match);
//匹配所有大括号里面的内容:
$str = 'abc{title}def{author}mn';
$pattern = '/{(.*)}/U';
preg_match($pattern, $str, $match);
print_r($match);
//匹配网页源代码中的图片路径:
$str = '<img alt="标题" id="pic" src="http://test.cn/avatar.jpg" />';
$pattern = '/<img.*?src="(.*?)".*?/?>/i';
preg_match($pattern,$str,$match);
print_r($match);
//匹配当前页面的所有超链接:
$str = '<a href="http://www.test.com/a.html">跳转</a>';
$pattern = '/<a(.*?)href="(.*?)"(.*?)>(.*?)</a>/i';
preg_match($pattern, $str, $match);
print_r($match);
//匹配邮件
$str = '12345@qq.com';
$pattern = "/^[_a-z0-9-]+(.[_a-z0-9-]+)*@[a-z0-9-]+(.[a-z0-9-]+)*(.[a-z]{2,})$/i";
preg_match($pattern, $str, $match);
print_r($match);
//匹配11位手机号:
$str = '13299803211';
$pattern = "/^1(3|5|8)d{9}$/";
preg_match($pattern, $str, $match);
print_r($match);
//匹配139开头的11位手机号码
$str = '13912345678';
$pattern = '/^139d{8}$/';
preg_match($pattern,$str,$match);
print_r($match);
//UTF-8编码下提取字符串中的中文:
$str = 'hello 中文 byebye';
$pattern = '/[x{4e00}-x{9fa5}]+/u';
preg_match($pattern, $str, $match);
print_r($match); //“中文”
//替换字符串中的中文为空
$res = preg_replace($pattern,'',$str);
echo $res.’';
//分割中文字符串为等长度元素的数组(英文可以用str_split,但中文会乱码)
$str = '中文字符串';
$res = preg_split('/(?<!^)(?!$)/u', $str);
print_r($res);
//过滤网页上的所有script标记
$str = '<script type="text/javascript" src="dd.js">alert(123);</script><p style="color: red">测试php正则匹配掉js代码</p>';
$pattern = "/<script[sS]*?</script>/i"; //过滤JS标签
$pattern = "/<[/!]*?[^<>]*?>/si"; //过滤HTML标签
$res = preg_replace($pattern, "", $str);
echo $res.’';
//替换<b>标签为空
$str = '<b>abc</b><b>abc</b>';
$pattern = '/<b>(.*?)</b>/';
$res = preg_replace($pattern,'',$str);
echo $res.'';
转义字符
d 包含所有数字[0-9]
D 除所有数字外[^0-9]
w 包含所有字符(大小写英文字母、下划线、数字) [a-zA-Z_0-9]
W 除所有字符(大小写英文字母、下划线、数字)外 [^a-zA-Z_0-9]
s 空白区域如回车、换行、分页等 [ ]
S 非空白区域如回车、换行、分页等 [^ ]
元字符
. 匹配任意次但不包含回车换行
* 匹配任意次
? 匹配0次或1次
+ 匹配1次或多次
| 选择匹配(或者)
^ 匹配开头(方括号中表示非)
$ 匹配尾部
{m} 匹配前一个内容的重复次数为m次
{m,} 匹配前一个内容的重复次数大于等于m次
{m,n}匹配前一个内容的重复次数m次到n次
( ) 合并整体匹配,并放入内存,可使用 ...依次获取
模式修正符: 【/正则/U 】
小写i:不区分大小写
小写m:匹配首内容或尾内容时采用多行识别匹配
小写s:将转义回车取消视为单行匹配
小写x:忽略正则中的空白
大写A:强制从头开始匹配
大写D:强制$匹配尾部无任何内容
大写U:禁止贪婪匹配,只跟踪到最近的一个匹配符并结束,常用在采集程序
小写u:匹配中文
如无特别说明,文章均为本站原创。转载请注明出处:http://www.pddo.cn/phper/30.html
评论列表