谈到PHP里处理字符串的模式匹配和替换，我们几乎绕不开正则表达式。它就像一把瑞士军刀，核心功能就那么几个：匹配（
preg_match()或
preg_match_all()）和替换（
preg_replace()），它们是处理文本数据、验证输入、提取信息的利器。
解决方案
在PHP中，正则表达式的核心操作主要围绕着几个
preg_系列函数展开。最常用的无疑是
preg_match()用于查找单个匹配，
preg_match_all()用于查找所有匹配，以及
preg_replace()用于执行替换操作。理解它们的参数和返回值，是高效利用正则表达式的关键。
一个典型的正则操作，总是包含一个“模式”（pattern）和一个“主题”（subject）。模式就是我们定义的正则表达式，用斜杠
/包裹起来，例如
/hello/。主题则是我们要操作的字符串。
匹配操作：preg_match()
和 preg_match_all()
立即学习“PHP免费学习笔记（深入）”；
preg_match($pattern, $subject, &$matches, $flags, $offset)
$pattern
: 正则表达式模式，通常以/
开头和结尾，中间是实际的模式。例如'/^PHP/'
。$subject
: 要搜索的字符串。&$matches
: 可选参数，如果提供，它将是一个数组，包含所有匹配到的内容。$matches[0]
是完整匹配的字符串，$matches[1]
是第一个捕获组的内容，以此类推。$flags
: 可选参数，例如PREG_OFFSET_CAPTURE
可以让匹配结果包含偏移量。$offset
: 可选参数，从字符串的哪个位置开始搜索。
preg_match()只会找到第一个匹配项。如果需要找到所有匹配项，那就得用
preg_match_all()。它的参数类似，但
$matches会是一个二维数组，结构上有所不同，它会把所有完整匹配项放在一个子数组，所有第一个捕获组的匹配项放在另一个子数组。
PHP development
[1] => PHP
)
*/
} else {
echo "未找到匹配项。\n";
}
echo "---------------------\n";
// 使用 preg_match_all 查找所有匹配
if (preg_match_all($pattern, $text, $allMatches)) {
echo "找到所有匹配项：\n";
print_r($allMatches);
/*
输出可能类似：
Array
(
[0] => Array
(
[0] => PHP development
[1] => web development
)
[1] => Array
(
[0] => PHP
[1] => web
)
)
*/
} else {
echo "未找到匹配项。\n";
}
?>替换操作：preg_replace()
preg_replace($pattern, $replacement, $subject, $limit, &$count)
$pattern
: 正则表达式模式，也可以是一个模式数组。$replacement
: 替换的字符串，也可以是一个替换字符串数组。如果模式中有捕获组，可以使用$1
,$2
等引用它们。$subject
: 要进行替换的字符串，也可以是一个字符串数组。$limit
: 可选参数，限制替换的最大次数。默认是-1，表示不限制。&$count
: 可选参数，如果提供，它将存储实际进行了多少次替换。
preg_replace()在替换时，默认就是全局的，会替换所有符合模式的匹配项。
PHP正则表达式中，有哪些常用的元字符和量词？
掌握正则表达式，首先要对它的“词汇表”——元字符和量词——了如指掌。在我看来，这就像学习一门新语言的语法和词汇，没有它们，你根本无法表达复杂的匹配逻辑。
常用的元字符：
.
(点号)：匹配除换行符以外的任何单个字符。这是最宽泛的匹配。^
(脱字符)：匹配字符串的开始。如果设置了m
（多行）修饰符，则匹配每一行的开始。$
(美元符)：匹配字符串的结束。如果设置了m
修饰符，则匹配每一行的结束。\d
：匹配任何数字字符（[0-9]
）。\d
：匹配任何非数字字符（[^0-9]
）。\w
：匹配任何单词字符（字母、数字或下划线[a-zA-Z0-9_]
）。\w
：匹配任何非单词字符（[^a-zA-Z0-9_]
）。\s
：匹配任何空白字符（空格、制表符、换行符等）。\s
：匹配任何非空白字符。[]
(方括号)：匹配方括号中列出的任何一个字符。例如[abc]
匹配 'a'、'b' 或 'c'。[a-z]
：匹配小写字母范围。[a-z]
：匹配大写字母范围。[0-9]
：匹配数字范围。[^...]
：匹配不在方括号中列出的任何字符。例如[^aeiou]
匹配任何非元音字母。
|
(管道符)：逻辑或操作符，匹配|
左边或右边的表达式。例如cat|dog
匹配 "cat" 或 "dog"。()
(圆括号)：- 分组：将多个字符或表达式组合成一个逻辑单元。
- 捕获：捕获匹配到的内容，以便后续引用（如
$1
,$2
）。 - 改变优先级：像数学中的括号一样，改变操作符的优先级。
\
(反斜杠)：转义字符。用于匹配元字符本身。例如\.
匹配点号字符，\\
匹配反斜杠。
常用的量词：
量词决定了它前面的表达式可以出现多少次。
*
(星号)：匹配前面的表达式零次或多次。例如a*
匹配 "" (空字符串)、"a"、"aa" 等。+
(加号)：匹配前面的表达式一次或多次。例如a+
匹配 "a"、"aa" 等，但不匹配空字符串。?
(问号)：匹配前面的表达式零次或一次。例如colou?r
匹配 "color" 或 "colour"。{n}：匹配前面的表达式恰好n
次。例如\d{3}匹配恰好三位数字。{n,}：匹配前面的表达式至少n
次。例如\d{3,}匹配至少三位数字。{n,m}：匹配前面的表达式至少n
次，但不超过m
次。例如\d{3,5}匹配三到五位数字。
理解这些基本元素，是构建任何复杂正则表达式的基础。一开始可能会觉得有些混乱，但多加练习，你会发现它们其实非常有规律。
PHP中如何处理正则表达式的全局匹配与非贪婪模式？
在PHP的正则表达式处理中，全局匹配和非贪婪模式是两个非常实用的概念，尤其是在处理复杂文本时，它们能让你更精确地控制匹配行为。我记得刚开始用正则时，就因为对这些概念理解不深，写出的模式总是匹配不到我想要的部分，或者匹配得太多。
全局匹配
对于
preg_match()，它默认只查找第一个匹配项。如果你想找到字符串中所有符合模式的匹配项，你需要使用
preg_match_all()函数。
preg_match_all()会遍历整个
$subject字符串，找出所有不重叠的匹配。
而
preg_replace()函数在替换时，默认就是全局的。它会找到所有符合
$pattern的匹配项，并用
$replacement进行替换。如果你只想替换第一次出现的匹配，可以通过
$limit参数来控制。
apple [1] => apple [2] => apple ) echo "---------------------\n"; // preg_replace 默认全局替换 $replacedAll = preg_replace($pattern, 'fruit', $sentence); echo "全局替换结果: " . $replacedAll . "\n"; // 输出: fruit banana fruit orange fruit echo "---------------------\n"; // preg_replace 限制替换次数 $replacedOnce = preg_replace($pattern, 'fruit', $sentence, 1); echo "替换一次结果: " . $replacedOnce . "\n"; // 输出: fruit banana apple orange apple ?>
非贪婪模式 (Non-greedy Mode)
这是另一个非常重要的概念。正则表达式中的量词（
*,
+,
?,
{n,}, {n,m}）默认是“贪婪的”（greedy）。这意味着它们会尽可能多地匹配字符，直到无法继续匹配为止。
例如，模式
/<.*>/尝试匹配HTML标签。如果你有一个字符串
"HelloWorld"，贪婪模式会从第一个
一直匹配到最后一个，而不是
Hello。
要让量词变为非贪婪模式，只需要在量词后面加上一个
?。例如，
*?,
+?,
??,
{n,}?, {n,m}?。这样，它们就会尽可能少地匹配字符，只要能满足整个模式的匹配即可。bold text and italic text.";
// 贪婪模式：会匹配从第一个 < 到最后一个 >
$greedyPattern = '/<.*>/';
preg_match($greedyPattern, $htmlString, $greedyMatch);
echo "贪婪匹配结果: " . ($greedyMatch[0] ?? '无匹配') . "\n";
// 输出: 贪婪匹配结果: bold text and italic text.
echo "---------------------\n";
// 非贪婪模式：会匹配最短的 <...> 结构
$nonGreedyPattern = '/<.*?>/';
preg_match_all($nonGreedyPattern, $htmlString, $nonGreedyMatches);
echo "非贪婪匹配结果:\n";
print_r($nonGreedyMatches[0]);
/*
输出:
Array
(
[0] =>
[1] =>
[2] =>
[3] =>
)
*/
?>非贪婪模式在解析结构化文本（如HTML、XML、JSON片段）时尤其有用，因为它能帮助你精确地提取出每个独立的块，而不是一个大块。
PHP正则表达式使用时，有哪些常见的性能陷阱和安全考量？
正则表达式虽然强大，但它不是万能药，使用不当会带来性能问题甚至安全隐患。在我多年的开发经验里，我见过不少因为正则写得不够严谨，导致服务器资源耗尽，或者程序行为异常的情况。
性能陷阱：灾难性回溯 (Catastrophic Backtracking)
这是正则表达式最常见的性能杀手之一。当正则表达式中包含嵌套的量词，并且这些量词可以匹配相同的内容时，就可能发生灾难性回溯。引擎在尝试匹配失败后，会不断地“回溯”到之前的匹配点，尝试所有可能的路径，直到找到匹配或穷尽所有可能性。在某些情况下，这会导致匹配时间呈指数级增长。
一个经典的例子是匹配重复模式的模式，例如
(a+)+尝试匹配
aaaaa。如果输入是
aaaaaaaaaaaaX(很多a后面跟一个不匹配的字符)，引擎会尝试各种组合的
a+，直到最终失败，这个过程会非常耗时。
避免灾难性回溯的关键在于：
-
避免重复的量词：尤其是在可以匹配相同字符的子表达式上。比如
(a*)*
或(a|b|c)+
这样的模式。 -
使用原子组 (Atomic Grouping)：通过
(?>...)
语法创建原子组。原子组一旦匹配成功，就不会再回溯。这可以防止引擎在组内进行不必要的回溯。 -
使用占有量词 (Possessive Quantifiers)：在量词后加上
+
，例如a*+
,a++
,a?+
,a{n,}++。占有量词和原子组类似，它们一旦匹配成功，就不会回溯。 - 精确匹配：尽可能具体地定义你的模式，减少模糊匹配。
a+)b/'; // 或者 '/a++b/'
// 这会告诉正则引擎，一旦a+匹配成功，就不要再回溯a+内部的匹配了
$testString = str_repeat('a', 30) . 'c'; // 构造一个可能导致回溯的字符串
// 这里不实际运行$patternBad，因为它可能会导致脚本超时
// if (preg_match($patternBad, $testString)) { ... }
$startTime = microtime(true);
if (preg_match($patternGood1, $testString)) {
// 应该不会匹配到
}
$endTime = microtime(true);
echo "简单模式耗时: " . (($endTime - $startTime) * 1000) . " ms\n";
$startTime = microtime(true);
if (preg_match($patternGood2, $testString)) {
// 应该不会匹配到
}
$endTime = microtime(true);
echo "占有量词模式耗时: " . (($endTime - $startTime) * 1000) . " ms\n";
?>你会发现，即使是几十个
a，
/(a+)+b/这样的模式也可能让PHP执行几秒甚至几十秒。而改进后的模式几乎是瞬间完成的。
安全考量：正则表达式拒绝服务 (ReDoS) 攻击
ReDoS是一种特定类型的拒绝服务攻击，攻击者通过构造恶意的输入字符串，利用正则表达式的灾难性回溯特性，使得正则表达式引擎在处理这些输入时耗尽CPU资源，导致服务器响应缓慢或崩溃。
防范ReDoS攻击，除了避免上述的灾难性回溯模式外，还有：
- 输入验证和限制：在将用户输入传递给正则表达式之前，先进行长度限制和初步的字符集验证。
-
使用
preg_quote()
：如果你需要将用户提供的字符串作为正则表达式的一部分进行匹配（例如，在搜索功能中），务必使用preg_quote()
函数来转义所有正则表达式的特殊字符。这可以防止用户注入恶意的正则表达式片段。
