PHP正则表达式实战：10个真实项目案例

正则表达式，是PHP开发中非常强大的工具。它可以用来匹配、查找、替换、分割字符串，在表单验证、数据提取、文本处理、URL路由等场景中，都有广泛的应用。

在之前的文章中，我们学习了正则表达式的基础语法和进阶技巧。今天，我们来通过10个真实项目中的实战案例，看看正则表达式在实际开发中是怎么用的，帮你把正则表达式真正用起来。

每个案例，都包含需求分析、正则表达式、代码实现、注意事项，让你不仅知其然，更知其所以然。

案例1：邮箱验证

需求：验证用户输入的邮箱地址是否合法。

正则表达式：

/^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/

代码实现：

function validateEmail($email) {
    $pattern = '/^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/';
    return preg_match($pattern, $email) === 1;
}

// 使用
var_dump(validateEmail('user@example.com'));      // true
var_dump(validateEmail('user.name+tag@example.co.uk')); // true
var_dump(validateEmail('invalid-email'));           // false
var_dump(validateEmail('user@.com'));                // false

正则解析：

^：字符串开始
[a-zA-Z0-9._%+-]+：用户名部分，允许字母、数字、点、下划线、百分号、加号、减号，至少一个字符
@：@符号
[a-zA-Z0-9.-]+：域名部分，允许字母、数字、点、减号
\.：点号（转义）
[a-zA-Z]{2,}：顶级域名，至少2个字母
$：字符串结束

注意事项：

这个正则能验证大多数邮箱，但不是100%符合RFC标准。RFC 5322的邮箱规则非常复杂，完全实现需要更复杂的正则。
实际项目中，这个正则已经足够用了。更严格的验证，可以用filter_var()：

filter_var($email, FILTER_VALIDATE_EMAIL) !== false;

邮箱验证后，最好发送验证邮件，确认邮箱真实存在。

案例2：手机号验证

需求：验证中国大陆手机号是否合法。

正则表达式：

/^1[3-9]\d{9}$/

代码实现：

function validatePhone($phone) {
    $pattern = '/^1[3-9]\d{9}$/';
    return preg_match($pattern, $phone) === 1;
}

// 使用
var_dump(validatePhone('13812345678'));  // true
var_dump(validatePhone('19912345678'));  // true（199号段）
var_dump(validatePhone('12345678901'));  // false（12开头）
var_dump(validatePhone('1381234567'));   // false（10位）

正则解析：

^1：以1开头
[3-9]：第二位是3-9（覆盖13、14、15、16、17、18、19号段）
\d{9}：后面9位数字
$：字符串结束

注意事项：

2015年的号段主要是13、14、15、17、18，后来增加了16、19等号段。用[3-9]可以覆盖现有和未来的号段。
如果需要更严格，可以列出具体号段：/^1(3[0-9]|4[579]|5[0-35-9]|6[6]|7[0135678]|8[0-9]|9[89])\d{8}$/
手机号验证后，最好发送短信验证码，确认手机号真实。

案例3：URL验证和提取

需求：验证URL是否合法，并提取URL的各个部分（协议、域名、路径、查询参数）。

正则表达式：

/^(https?):\/\/([^\/:]+)(:\d+)?(\/[^\?]*)?(\?.*)?$/

代码实现：

function parseUrl($url) {
    $pattern = '/^(https?):\/\/([^\/:]+)(:\d+)?(\/[^\?]*)?(\?.*)?$/';
    if (preg_match($pattern, $url, $matches)) {
        return [
            'scheme' => $matches[1],
            'host' => $matches[2],
            'port' => isset($matches[3]) ? ltrim($matches[3], ':') : null,
            'path' => isset($matches[4]) ? $matches[4] : '/',
            'query' => isset($matches[5]) ? ltrim($matches[5], '?') : null,
        ];
    }
    return false;
}

// 使用
$result = parseUrl('https://www.example.com:8080/article/123?page=1&sort=desc');
print_r($result);
// Array
// (
//     [scheme] => https
//     [host] => www.example.com
//     [port] => 8080
//     [path] => /article/123
//     [query] => page=1&sort=desc
// )

正则解析：

(https?)：协议，http或https
:\/\/：://（转义斜杠）
([^\/:]+)：域名，不包含斜杠和冒号
(:\d+)?：端口，可选，冒号加数字
(\/[^\?]*)?：路径，可选，以斜杠开头，不包含问号
(\?.*)?：查询字符串，可选，问号加任意字符

注意事项：

这个正则能处理大多数URL，但不是100%符合RFC 3986。
实际项目中，更推荐用parse_url()函数：

$parts = parse_url($url);
// $parts包含scheme、host、port、path、query、fragment等

parse_url()更可靠，能处理更复杂的URL。

案例4：IP地址验证

需求：验证IPv4地址是否合法。

正则表达式：

/^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$/

代码实现：

function validateIpv4($ip) {
    $pattern = '/^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$/';
    return preg_match($pattern, $ip) === 1;
}

// 使用
var_dump(validateIpv4('192.168.1.1'));    // true
var_dump(validateIpv4('255.255.255.255')); // true
var_dump(validateIpv4('256.1.1.1'));        // false（256超过255）
var_dump(validateIpv4('192.168.1'));        // false（只有3段）
var_dump(validateIpv4('192.168.1.1.1'));    // false（5段）

正则解析：每一段IP的规则：25[0-5]|2[0-4]\d|[01]?\d\d?

25[0-5]：250-255
2[0-4]\d：200-249
[01]?\d\d?：0-199（0-9、10-99、100-199）

然后{3}重复3次（带点号），最后一段不带点号。

注意事项：

这个正则能正确验证0-255的范围，比简单的\d{1,3}更严格。
实际项目中，更推荐用filter_var()：

filter_var($ip, FILTER_VALIDATE_IP, FILTER_FLAG_IPV4) !== false;

如果需要验证IPv6，用FILTERFLAGIPV6。

案例5：身份证号验证

需求：验证中国大陆18位身份证号是否合法（包括校验位验证）。

正则表达式：

/^[1-9]\d{5}(18|19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[\dXx]$/

代码实现：

function validateIdCard($idCard) {
    // 基本格式验证
    $pattern = '/^[1-9]\d{5}(18|19|20)\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\d|3[01])\d{3}[\dXx]$/';
    if (!preg_match($pattern, $idCard)) {
        return false;
    }
    
    // 校验位验证（ISO 7064:1983.MOD 11-2）
    $weights = [7, 9, 10, 5, 8, 4, 2, 1, 6, 3, 7, 9, 10, 5, 8, 4, 2];
    $checkCodes = ['1', '0', 'X', '9', '8', '7', '6', '5', '4', '3', '2'];
    
    $sum = 0;
    for ($i = 0; $i < 17; $i++) {
        $sum += intval($idCard[$i]) * $weights[$i];
    }
    
    $checkCode = $checkCodes[$sum % 11];
    return strtoupper($idCard[17]) === $checkCode;
}

// 使用
var_dump(validateIdCard('110101199003071234')); // 需要真实校验位

正则解析：

[1-9]\d{5}：地区码（6位，第一位非0）
(18|19|20)\d{2}：出生年份（1800-2099）
(0[1-9]|1[0-2])：出生月份（01-12）
(0[1-9]|[12]\d|3[01])：出生日期（01-31）
\d{3}：顺序码（3位）
[\dXx]：校验位（数字或X）

注意事项：

正则只能验证格式，校验位需要额外计算。
这个正则没有验证日期的合法性（比如2月30日），需要额外检查。
实际项目中，身份证验证后，最好通过官方接口验证真实性。

案例6：提取HTML中的所有链接

需求：从HTML内容中提取所有的超链接（a标签的href属性）。

正则表达式：

/<a\s+[^>]*href=["']([^"']+)["'][^>]*>(.*?)<\/a>/is

代码实现：

function extractLinks($html) {
    $pattern = '/<a\s+[^>]*href=["\']([^"\']+)["\'][^>]*>(.*?)<\/a>/is';
    preg_match_all($pattern, $html, $matches, PREG_SET_ORDER);
    
    $links = [];
    foreach ($matches as $match) {
        $links[] = [
            'href' => $match[1],
            'text' => strip_tags($match[2]),
        ];
    }
    return $links;
}

// 使用
$html = '<div>
    <a href="https://example.com" class="link">示例网站</a>
    <a href="/article/123" title="文章">文章标题</a>
    <a href="mailto:user@example.com">联系我们</a>
</div>';

$links = extractLinks($html);
print_r($links);
// Array
// (
//     [0] => Array ([href] => https://example.com, [text] => 示例网站)
//     [1] => Array ([href] => /article/123, [text] => 文章标题)
//     [2] => Array ([href] => mailto:user@example.com, [text] => 联系我们)
// )

正则解析：

<a\s+：a标签开始，后面至少一个空白字符
[^>]*：a标签中href之前的其他属性
href=["']：href属性，用单引号或双引号
([^"']+)：链接地址（捕获组1），不包含引号
["']：结束引号
[^>]*：href之后的其他属性
>：a标签开始标签结束
(.*?)：链接文本（捕获组2），非贪婪匹配
<\/a>：a标签结束
修饰符：i不区分大小写，s点号匹配换行符

注意事项：

正则处理HTML不是100%可靠，因为HTML结构可能不规范、有嵌套、有注释等。
更可靠的方法是用DOMDocument：

$dom = new DOMDocument();
@$dom->loadHTML($html);
$anchors = $dom->getElementsByTagName('a');
foreach ($anchors as $anchor) {
    $href = $anchor->getAttribute('href');
    $text = $anchor->nodeValue;
}

简单场景用正则足够，复杂场景推荐用DOMDocument。

案例7：敏感词过滤

需求：过滤文本中的敏感词，替换为*号。

正则表达式：动态构建，将敏感词数组用|连接。

代码实现：

function filterSensitiveWords($text, $sensitiveWords) {
    // 转义正则特殊字符
    $escapedWords = array_map(function($word) {
        return preg_quote($word, '/');
    }, $sensitiveWords);
    
    // 构建正则，按长度降序排列（先匹配长的）
    usort($escapedWords, function($a, $b) {
        return strlen($b) - strlen($a);
    });
    
    $pattern = '/' . implode('|', $escapedWords) . '/u';
    
    // 替换为等长的*号
    return preg_replace_callback($pattern, function($matches) {
        return str_repeat('*', mb_strlen($matches[0]));
    }, $text);
}

// 使用
$sensitiveWords = ['敏感词', '脏话', '广告'];
$text = '这是一个包含敏感词和脏话的文本，还有广告内容。';
$result = filterSensitiveWords($text, $sensitiveWords);
echo $result;
// 这是一个包含***和**的文本，还有**内容。

注意事项：

用preg_quote()转义敏感词中的正则特殊字符，避免正则错误。
按长度降序排列，先匹配长的敏感词，避免短词先匹配导致长词被拆分。
用pregreplacecallback()实现等长替换，比简单的str_replace更友好。
修饰符u支持UTF-8中文。
敏感词过滤不能100%防绕过（比如用谐音、拆字、特殊符号），需要结合其他方法。

案例8：Markdown图片提取和替换

需求：从Markdown内容中提取所有图片，并将图片URL替换为本地路径。

正则表达式：

/!\[([^\]]*)\]\(([^)]+)\)/

代码实现：

function processMarkdownImages($markdown) {
    $pattern = '/!\[([^\]]*)\]\(([^)]+)\)/';
    
    // 提取所有图片
    preg_match_all($pattern, $markdown, $matches, PREG_SET_ORDER);
    
    $images = [];
    foreach ($matches as $match) {
        $images[] = [
            'alt' => $match[1],
            'url' => $match[2],
            'raw' => $match[0],
        ];
    }
    
    // 替换图片URL为本地路径
    $processed = preg_replace_callback($pattern, function($matches) {
        $alt = $matches[1];
        $url = $matches[2];
        // 模拟下载并生成本地路径
        $localPath = '/uploads/images/' . md5($url) . '.jpg';
        return "![{$alt}]({$localPath})";
    }, $markdown);
    
    return [
        'images' => $images,
        'processed' => $processed,
    ];
}

// 使用
$markdown = '这是一篇文章，包含图片：![示例图片](https://example.com/image.jpg)和![另一张](https://example.com/photo.png)。';
$result = processMarkdownImages($markdown);
print_r($result['images']);
echo $result['processed'];

正则解析：

!：Markdown图片的感叹号
\[：左方括号（转义）
([^\]]*)：alt文本（捕获组1），不包含右方括号
\]：右方括号（转义）
\(：左括号（转义）
([^)]+)：图片URL（捕获组2），不包含右括号
\)：右括号（转义）

注意事项：

这个正则能处理标准的Markdown图片语法。
Markdown图片还有其他写法，如引用式![alt][ref]、带标题，需要额外处理。
实际项目中，可以用Markdown解析库（如Parsedown）来处理，更可靠。

案例9：驼峰命名和下划线命名互转

需求：将驼峰命名（camelCase）转为下划线命名（snake_case），或反向转换。

代码实现：

// 驼峰转下划线
function camelToSnake($camel) {
    $pattern = '/([a-z])([A-Z])/';
    $snake = preg_replace($pattern, '$1_$2', $camel);
    return strtolower($snake);
}

// 下划线转驼峰
function snakeToCamel($snake, $ucfirst = false) {
    $camel = preg_replace_callback('/_([a-z])/', function($matches) {
        return strtoupper($matches[1]);
    }, $snake);
    return $ucfirst ? ucfirst($camel) : $camel;
}

// 使用
echo camelToSnake('userName');        // user_name
echo camelToSnake('getUserInfo');     // get_user_info
echo camelToSnake('APIResponse');     // a_p_i_response（注意：连续大写有问题）

echo snakeToCamel('user_name');       // userName
echo snakeToCamel('get_user_info');   // getUserInfo
echo snakeToCamel('user_name', true); // UserName

正则解析（驼峰转下划线）：

([a-z])：小写字母（捕获组1）
([A-Z])：大写字母（捕获组2）
替换为$1_$2：在小写字母和大写字母之间加下划线

注意事项：

简单的驼峰转下划线，连续大写字母（如APIResponse）会有问题，会变成api_response。
更完善的转换：

function camelToSnake($camel) {
    return strtolower(preg_replace(['/([a-z\d])([A-Z])/', '/([A-Z]+)([A-Z][a-z])/'], '$1_$2', $camel));
}
// APIResponse -> api_response

这种转换在数据库字段名和PHP变量名之间转换时很常用。

案例10：URL路由匹配

需求：实现简单的URL路由，将友好的URL匹配到对应的处理函数，并提取参数。

代码实现：

class Router {
    private $routes = [];
    
    // 添加路由
    public function add($pattern, $handler) {
        // 将路由模式中的{param}转换为正则捕获组
        $regex = preg_replace('/\{([a-zA-Z_][a-zA-Z0-9_]*)\}/', '([^/]+)', $pattern);
        $regex = '#^' . $regex . '$#';
        $this->routes[] = [
            'pattern' => $pattern,
            'regex' => $regex,
            'handler' => $handler,
        ];
    }
    
    // 匹配路由
    public function match($url) {
        foreach ($this->routes as $route) {
            if (preg_match($route['regex'], $url, $matches)) {
                // 提取参数名
                preg_match_all('/\{([a-zA-Z_][a-zA-Z0-9_]*)\}/', $route['pattern'], $paramNames);
                $params = [];
                foreach ($paramNames[1] as $i => $name) {
                    $params[$name] = $matches[$i + 1];
                }
                return [
                    'handler' => $route['handler'],
                    'params' => $params,
                ];
            }
        }
        return null;
    }
}

// 使用
$router = new Router();
$router->add('/article/{id}', 'ArticleController@show');
$router->add('/user/{username}/post/{postId}', 'PostController@show');
$router->add('/page/{slug}', 'PageController@show');

$result = $router->match('/article/123');
print_r($result);
// Array
// (
//     [handler] => ArticleController@show
//     [params] => Array ([id] => 123)
// )

$result = $router->match('/user/zhangsan/post/456');
print_r($result);
// Array
// (
//     [handler] => PostController@show
//     [params] => Array ([username] => zhangsan, [postId] => 456)
// )

正则解析：

\{([a-zA-Z][a-zA-Z0-9]*)\}：匹配{param}格式的参数占位符

- \{：左花括号（转义） - ([a-zA-Z][a-zA-Z0-9]*)：参数名（字母或下划线开头，后面跟字母、数字、下划线） - \}：右花括号（转义）

替换为([^/]+)：匹配不包含斜杠的任意字符（捕获组）

注意事项：

这是一个简单的路由实现，实际框架（如Laravel、Symfony）的路由更复杂。
可以扩展支持可选参数{param?}、正则约束{param:[0-9]+}、HTTP方法匹配等。
路由匹配的性能，在路由数量很多时需要注意，可以用缓存优化。

正则表达式最佳实践

先写正则，再测试：写完正则后，用各种测试用例验证，包括正常情况、边界情况、异常情况。
使用在线工具：推荐用regex101.com、regexr.com等在线工具测试正则，实时查看匹配结果。
注释复杂正则：用x修饰符（PCRE_EXTENDED）可以在正则中加注释和空白，提高可读性。

$pattern = '/
    ^           # 开始
    [a-z]+      # 用户名
    @           # @符号
    [a-z.]+     # 域名
    \.[a-z]{2,} # 顶级域名
    $           # 结束
/x';

避免过度使用正则：能用字符串函数（strpos、substr、explode等）解决的，就不要用正则，性能更好。
注意贪婪匹配：.是贪婪匹配，会尽可能多地匹配。需要非贪婪时用.?。
使用分隔符：选择正则中不常出现的字符作为分隔符（如#、~），避免转义斜杠。
性能优化：避免嵌套量词、避免回溯过多、用锚点^$限定位置。
中文处理：处理中文时用u修饰符（UTF-8），用\x{4e00}-\x{9fa5}匹配中文。
安全考虑：正则表达式可能被ReDoS（正则表达式拒绝服务）攻击，避免用户输入直接作为正则。
参考已有方案：常见的验证（邮箱、URL、IP等），优先用filter_var()等内置函数，不要自己造轮子。

总结

正则表达式，是PHP开发中非常强大的工具。

10个实战案例：

邮箱验证：/^[a-zA-Z0-9.%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$/，或用filtervar
手机号验证：/^1[3-9]\d{9}$/，覆盖13-19号段
URL验证和提取：协议、域名、端口、路径、查询参数，或用parse_url
IP地址验证：/^((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)$/，或用filter_var
身份证号验证：格式验证+校验位计算（ISO 7064:1983.MOD 11-2）
提取HTML链接：/<a\s+[^>]href="'["'][^>]>(.*?)<\/a>/is，或用DOMDocument
敏感词过滤：动态构建正则，preg_quote转义，按长度降序，等长替换
Markdown图片处理：/!\[([^\]]*)\]$([^)]+)$/，提取和替换图片URL
命名转换：驼峰转下划线/([a-z])([A-Z])/，下划线转驼峰用pregreplacecallback
URL路由：{param}转换为([^/]+)，实现简单的路由匹配和参数提取

最佳实践：先写再测、用在线工具、注释复杂正则、避免过度使用、注意贪婪匹配、选择合适分隔符、性能优化、中文处理、安全考虑、参考已有方案。

正则表达式，虽然语法复杂，学习曲线陡峭，但掌握之后，能极大提升字符串处理的效率。希望这10个实战案例，能帮你把正则表达式真正用起来，在实际项目中游刃有余。

"工欲善其事，必先利其器。"正则表达式，就是PHP开发者的利器之一。

PHP正则表达式实战：10个真实项目案例

案例1：邮箱验证

案例2：手机号验证

案例3：URL验证和提取

案例4：IP地址验证

案例5：身份证号验证

案例6：提取HTML中的所有链接

案例7：敏感词过滤

案例8：Markdown图片提取和替换

案例9：驼峰命名和下划线命名互转

案例10：URL路由匹配

正则表达式最佳实践

总结

相关推荐

评论（0）