PHP正则表达式怎么入门？从验证邮箱到提取文章内容逐步掌握

正则表达式是PHP中处理文本和字符串的重要工具，但它并不是解决所有字符串问题的万能方法。对于初学者来说，最好的学习方式不是一开始记忆复杂语法，而是从实际需求入手，逐步理解字符匹配、重复、分组和边界等基本概念。

邮箱验证就是一个比较容易理解的例子。不过，在实际PHP开发中，如果只是判断一个字符串是否符合常见邮箱格式，通常应该优先考虑PHP提供的验证函数，而不是自己编写一套复杂的邮箱正则表达式。

一、从最简单的正则表达式开始

PHP使用PCRE正则表达式引擎，可以通过preg_match()进行匹配。

例如：

if (preg_match('/^hello$/', $text)) {
echo "匹配成功";
}

这里的^表示字符串开始，$表示字符串结束。因此，这个表达式要求整个字符串必须是hello。

再例如：

if (preg_match('/^[0-9]+$/', $text)) {
echo "只包含数字";
}

其中[0-9]表示数字字符，+表示前面的模式至少出现一次。

掌握字符类、重复次数、开始和结束位置等基本概念后，再学习捕获组和更复杂的模式会容易得多。

二、邮箱验证不要盲目自己写正则

邮箱地址看起来很简单，但实际格式比普通字符串复杂得多。

如果只是判断用户输入是否符合PHP常见的邮箱格式，可以直接使用：

if (filter_var($email, FILTER_VALIDATE_EMAIL)) {
echo "邮箱格式正确";
}

这种方法通常比自己编写复杂正则更加方便，也更容易维护。

需要注意的是，格式验证并不能证明邮箱地址真实存在。一个格式正确的地址可能根本没有注册，或者用户并不能接收邮件。如果业务要求确认邮箱有效，通常还需要通过发送验证邮件完成验证。

因此，应该区分“格式正确”和“邮箱真实可用”这两个概念。

三、正则表达式适合提取简单文本

正则表达式真正有价值的场景之一，是从具有相对稳定格式的文本中提取信息。

例如，从一段简单文本中提取日期：

preg_match('/(\d{4})-(\d{2})-(\d{2})/', $text, $matches);

匹配成功后，$matches[0]通常保存完整匹配结果，而捕获组中的内容则保存在后续数组元素中。

这里的括号()就是捕获组，可以把匹配结果中的某一部分单独提取出来。

例如：

echo $matches[1];
echo $matches[2];
echo $matches[3];

分别可以得到年份、月份和日期。

理解捕获组以后，就可以进一步学习preg_match_all()，一次提取文本中出现的多个匹配结果。

四、为什么不建议用正则解析整个HTML

如果只是从非常简单的HTML片段中寻找特定文本，正则有时可以使用。

例如：

preg_match_all('/
这个例子可以用于演示如何寻找使用双引号包围的href属性。

但是，HTML本身具有复杂的嵌套结构，属性还可能使用单引号、属性顺序也可能不同，链接文字内部也可能包含其他HTML标签。因此，不能把一个简单正则表达式当成完整的HTML解析器。

如果任务是提取文章正文、标题、链接节点等结构化HTML内容，更合适的方法通常是使用PHP的DOMDocument和DOMXPath。

例如：

$dom = new DOMDocument();

libxml_use_internal_errors(true);
$dom->loadHTML($html);

$xpath = new DOMXPath($dom);
$articles = $xpath->query('//div[@class="article"]');

这种方式是按照HTML结构寻找节点，而不是单纯依靠字符模式匹配，因此更适合处理结构复杂的网页内容。

五、JSON应该使用JSON解析工具

类似的问题也存在于JSON。

例如下面的数据：

{"title":"测试文章","id":123}

如果需要读取title，没有必要使用正则：

$data = json_decode($json, true);

echo $data['title'];

json_decode()能够按照JSON的数据结构进行解析，因此比正则更加可靠。

正则可以处理普通文本中的特定模式，但JSON、HTML、XML等具有明确结构的数据，通常应该优先使用对应的解析工具。

六、理解贪婪匹配和非贪婪匹配

正则表达式中的*、+等重复符号通常具有贪婪匹配特性，也就是尽可能匹配更多内容。

例如：

preg_match('/