PHP的正则流派

PHP's Regex Flavor

表10-1：PHP preg的正则流派 PHP的正则流派 - 图1

前页的表10-1简要介绍了preg引擎的正则流派。下面是补充说明：

① 只有在字符组内部，\b才表示退格符。在其他场合，\b匹配单词分界符（☞133）。

十进制转义只能使用两到三位八位数值。特殊的一位数「\0」序列匹配空字节（NUL byte）。

「\xhex」容许出现一到两位十六进制数字，而「\x{hex}」容许任意多个数字。请注意，大于\x{FF}的数值只能与模式修饰符u连用（☞447）。如果没有模式修饰符u，大于\x{FF}的值会导致正则表达式非法。

② 即使是在UTF-8模式下（通过模式修饰符u），单词分界符和字符组简记法，例如「\w」，也只对ASCII字符起作用。如果需要处理所有的Unicode字符，请使用「\pL」（☞121）代替「\w」，用「\pN」代替「\d」，用「\pZ」代替「\s」。

③ Unicode支持针对Unicode Version 4.1.0。

Unicode字母表（☞122）的支持不需要任何‘Is’或者‘In’前缀，例如「\p{Cyrillic}」。

PHP 同时支持单字母或双字母Unicode 属性，例如「\p{Lu}」、「\p{L}」，其中「\pL」作为单字母属性名（☞121）。而不支持「\p{Letter}」之类的长名称。

PHP也支持特殊的「\p{L&}」（☞121），以及「\p{Any}」（表示任意字符）。

④ 在默认情况下，preg 套件的正则表达式是以字节为单位的，所以「\C」默认就等价于「（？s：.）」，由 s修饰的点号。不过，如果使用了修饰符 u，则preg 套件就会以UTF-8字母为单位，也就是说，一个字符可能由6个字节组成。即使这样，「\C」仍然匹配单个字节。请参考第120页的注意事项。

⑤ 「\z」和「\Z」都能够匹配字符串的末尾，而「\Z」同样能够匹配最后的换行符。

「$」的意义取决于模式修饰符m和D（☞446）：如果没有设定任何修饰符，「$」等价于「\Z」（在字符串结尾的换行符，或者是字符串结尾）；如果使用了 m，则它能够匹配内嵌的换行符，如果使用了模式修饰符 D，它能够匹配「\z」（只有在字符串的结尾）。如果同时设置了m和D，则忽略D。

⑥ 逆序环视中使用的子表达式只能匹配固定长度的文本，除非顶层多选分支容许不同的固定长度（☞133）。

⑦ 模式修饰符x（自由格式和注释）只能识别ASCII的空白字符，不能识别Unicode中的空白字符。