PHP 正則表達式完全學習手冊（上）：核心語法與原理詳解

前言

正則表達式（Regular Expression，Regex）是文本處理的「瑞士軍刀」：語法晦澀，但掌握後能以極少代碼解決複雜的字符串匹配、驗證、提取、替換問題。本系列共 5 篇，本文為第一部分，奠定核心概念基礎。

1. 正則表達式的歷史溯源

• 1943：McCulloch & Pitts 提出神經網絡數學模型。
• 1956：Stephen Kleene 發表《神經網事件的表示法》，引入「正則集合」與「正則表達式」概念。
• 1968：Ken Thompson（Unix 之父）將其應用於 QED 編輯器，實現文本搜索——正則表達式首次工程化落地。
• 至今：成為 Perl、PHP、Java、JavaScript、Python、C#、Go、Rust 等主流語言標準庫組件，及 grep、sed、awk、Vim、VS Code 等工具核心功能。

2. 正則表達式定義

正則表達式是一種字符模式模板，由普通字符（字面量）和元字符（特殊符號）組成，用於描述字符串匹配規則。核心能力三大類：

1. 驗證：字符串是否符合模式（如郵箱、手機號、身份證）。
2. 提取：從文本中獲取符合條件的子串（如爬蟲解析、日誌分析）。
3. 替換：將匹配部分替換為指定內容（如敏感詞過濾、格式化）。

區別：Shell 通配符 *.txt 中 * 表示「任意字符」，正則中 * 表示「前一字符出現 0 次或多次」。兩者語義完全不同，切勿混淆。

3. 核心語法體系（速查表）

3.1 普通字符

字母、數字、漢字、下劃線、大多數標點：字面匹配自身。
/php/ 匹配 "php"、"php教程" 中的 "php"。

3.2 非打印字符（轉義序列）

3.3 元字符（特殊字符）

3.4 限定符（量詞）

3.5 定位符（錨點）

• ^：字符串開始（多行模式 m 時為行首）
• $：字符串結束（多行模式 m 時為行尾）
• \b：單詞邊界（\w 與 \W 交界）
• \B：非單詞邊界
• \A：絕對字符串開始（不受多行模式影響）
• \Z：絕對字符串結束（允許末尾 \n）
• \z：絕對字符串結束（不允許末尾 \n）

3.6 選擇（分支）

pattern1|pattern2|pattern3：從左到右嘗試匹配，首個成功即返回。順序影響性能與結果。

3.7 後向引用

\1、\2...\9：引用前面捕獲組匹配的內容。
/(['\"])(.*?)\1/ 匹配單雙引號包裹的字符串（引號必須成對）。

4. 運算符優先級（高到低）

1. \ 轉義
2. () (?:) (?=) 分組/斷言
3. * + ? {} 量詞
4. ^ $ \b 錨點/序列連接
5. | 分支（或）

善用括號改變優先級：/ab|c/ 匹配 "ab" 或 "c"；/a(b|c)/ 匹配 "ab" 或 "ac"。

5. 實戰範例：郵箱驗證演進

<?php
// 初級：簡單但不準
$pattern1 = '/^.+@.+\..+$/';

// 進階：符合 RFC 5322 簡化版（推薦實際項目使用）
$pattern2 = '/^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/';

// 實戰函數
function isValidEmail($email) {
    return (bool)preg_match('/^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/', $email);
}

var_dump(isValidEmail('test@example.com')); // true
var_dump(isValidEmail('invalid'));          // false
?>

6. 學習路線圖

1. 掌握核心語法：本文 3.1-3.7 節（本周完成）。
2. 熟練 PHP 函數族：preg_match、preg_match_all、preg_replace、preg_split、preg_quote（下篇講解）。
3. 理解引擎原理：回溯、貪婪/懶惰、災難性回溯防範（進階篇）。
4. 實戰項目練習：表單驗證、日誌解析、模板引擎、數據清洗。

勸告：正則表達式強大但不可濫用。能用 strpos、explode、json_decode、DOM 解析器解決的，絕不寫正則。正則是「最後手段」，而非「首選工具」。