Un regex este format dintr-o succesiune de caractere (litere, cifre, semne de punctuatie), insa cu urmatoarele particularitati:  

•     intreaga expresie este cuprinsa intre doua caractere delimitatoare. Caracterul delimitator de inceput este acelasi cu eel
de sfarsit si este ales de catre programator. Acest caracter nu are voie sa fie alfanumeric sau \.  

/regex/ – modalitatea traditional a de delimitare a unui 
#regex# – modalitate alternativa de delimitare 
\regex\ – modalitate invalida  

Nota: daca in interiorul regex-ului estefolosit caracterul delimitator, el trebuie precedat de un \.  

constructia cu paranteze drepte [ ] – tine locul unui singur caracter. Ne permite sa specificam un set discret de caractere ce se pot afla pe o anumita pozitie din sir. Intre paranteze, caracterul ^{^} (accent circumflex) are rol de negare. Exemple:

•     punctul – tine locul unui singur caracter. Indica faptul ca pe respectiva pozitie din sir se poate gasi orice caracter (insa unui singur!) cu exceptia newline (\n). Daca este activata optiunea DOT-ALL (vezi mai jos modificatori), punctul corespunde si caracterelor newline.

Nota: pentru a specifica chiar caracterul punct pe una dintre poziliile sirului cautat, este necesara precedarea lui cu  

•    clase de caractere uzuale, predefinite. lata cateva exemple:  

o  \d — digit (cifra zecimala) 
o  \D — non-digit (un caracter care nu este cifra zecimala) 
o   \s – whitespace. Corespunde caracterelor spatiu, tab (\t) si newline (\n) 
o   \S – non-whitespace 
o   \w – word character (litera, cifra sau underscore) 
o   \W – non-word character

Putem specifica repetitia controlata a unui caracter sau a unei intregi subexpresii folosind doua constructii: 

 •     constructia cu acolade:  

caracter{min,max} – caracterul   se  repeta intre min si  max ori
(regex){min,max} – intreaga expresie se repeta intre min si  max ori  

Sunt permise varialiuni ale acestei sintaxe:  

(regex){n}  -  repetitie de exact n ori 
(regex){min,} -  repetitie de minim n ori,   fara limita superioara a numarului  de  repetitii  

Observatie: atunci cand dorim sa punem conditia de repetare a unei parti a regexului ce contine mai multe caractere, acea subexpresie trebuie inclusa intre paranteze rotunde.  

Exemple:

metacaractere folosite pentru cazuri de repetitii particulare  

(regex)+ – echivalent cu   (regex){1,}   (minim o repetitie a lui   regex) 
(regex)*   -   echivalent  cu   (regex){0,}   (0  sau  mai   multe   repetitii   ale  lui   regex)
(regex)? – echivalent cu   (regex){0,1}   (regex apare o data sau deloc)  

Exemple:

• caracterul^ – daca apare la inceputul regex-ului, pune conditia ca sirul de caractere gasit sa se afle la inceputul textul ui in care se face cautarea
• caracterul $ – daca apare la sfarsitul regex-ului, impune ca sirul de caractere ce corespunde regex-ului sa se afle la finalul textului in care se face cautarea
Observatie: atunci cand ^ apare in interiorul parantezelor drepte (la specificarea unci clase de caractere), el are alta semnificatie: cea de negare.
Daca in regex se activeaza optiunea MULTILINE (vezi mai jos modificatori), atunci ^ va corespunde fiecarui inceput de linie, iar $ fiecarui sfarsit de linie, daca textul in care se face cautarea este unul de mai multe linii. Optiunea MULTILINE este initial dezactivata, conditii in care ^ corespunde inceputului intregului text iar $ sfarsitului aceluiasi text.
Exemplu: cautand sirurile de caractere ce corespund regex-ului ninge$ pe textul urmator: 

Ziua ninge
noaptea ninge
dimineata ninge iara 

vor fi gasite urmatoarele siruri, in functie de caz:
daca optiunea MULTILINE este activata, va fi gasit sirul ninge de doua ori – la finalul primei linii si al celei de-a doua. Cuvantul ninge de pe linia 3 nu este gasit deoarece nu se afla la sfarsit de linie
daca optiunea MULTILINE este dezactivata, nu va fi gasit nici un sir, deoarece $ corespunde finalului intregului text, iar textul nu se termina cu sirul ninge . 

 Modificatori de optiuni 

Regex-ul poate contine si elemente care nu desemneaza caractere, clase de caractere sau repetitii, ci specifica optiuni aplicate motorului de regular expressions in cazul expresiei respective. Modificatorii se pot specifica cu urmatoarea constructie in interiorul unui regex: 

(?optiuni) – activarea uneia sau mai multor optiuni
(?-optiuni) – dezactivarea uneia sau mai multor optiuni
(?optiuni1-optiuni2) – activarea optiunilor din grupul 1 si dezactivarea celor din grupul 2 

Iata cateva optiuni uzuale:
• CASELESS (i) – in aplicarea regex-ului in cauza nu se va mai face distinctie intre literele mici si mari
• DOT-ALL (s) – punctul va corespunde oricarui caracter, inclusiv newline
• MULTILINE (m) – caracterele ^ si $ nu vor mai corespunde doar inceputului si sfarsitului intregului text in care se cauta, ci fiecarui inceput si sfarsit de linie componenta
Exemple:

In cadrul unui regex, caracterul special | permite specificarea unor formate alternative pentru sirul de caractere cautat/validat sau pentru o portiune a sa: 

regexl   |   regex2                       caracterul are rol de sau 

 Exemple:

Sub-expresii 

Sub-expresiile reprezinta portiuni ale unui regex delimitate prin paranteze rotunde si care pot fi extrase separat sau referite chiar din cadrul regex-ului. Ele sunt utile in doua cazuri: 

• cand cautam un sir de caractere corespunzator unui regex insa ne intereseaza numai o parte a sa, care nu putea fi cautata independent (un subsir). Exemplu: dorim sa extragem toate link-urile dintr-un fisier HTML; pentru aceasta cautam toate sirurile de fonna <a href=….>…</a> si extragem din ele numai valoarea atributului href
• cand dorim ca, din cadrul unui regex, sa ne referim la o portiune anterioara a sa (“back references”). Exemple: a) un regex! incepe cu un caracter (ales de catre programator, asadar necunoscut) dar se termina cu acelasi caracter. b) un tag HTML, care are delimitatori de deschidere si de inchidere, ultimul putand fi specificat prin referire la primul

Subexpresiile primesc automat numere incepand de la 1, in ordinea in care apar in regex, pentru a oferi posibilitatea referirii lor din cadrul regex-ului si a extragerii sirurilor de caractere ce le corespund. Daca se doreste referirca unei subexpresii din cadrul regex-ului, se pot folosi secventele \1, \2 …\99 ce semnifica sirul de caractere ce a corespuns primei subexpresii, celei de-a doua subexpresii etc 

Exemplu: aplicandu-se regex-ul ^{^}([A-ZJ+) cel ([a-z]+)$ pentru sirurile de caractere din prima coloana a tabelului de mai jos, continuturile subexpresiilor sunt cele din coloanele 2 si 3:

Exista cazuri in care dorim sa includem o portiune a regex-ului intre paranteze, insa fara ca ea sa fie automat considerata (si numerotata) ca sub-expresie (ex: (021 |07\d)\d{7}, unde parantezele sunt folosite numai pentru specificarea formatului alternativ al inceputului de sir). In astfel de cazuri putem folosi secventa (?: ) pentru a incadra portiunea de regex dorita; intre ? si : pot fi specificate si optiuni 

   Functii PHP predefinite pentru lucrul cu regex-uri 

Iata principalele functii PHP predefinite pentru lucrul cu PCRE:
•     int preg_match ( string $regex, string $string [, array &$matches [, int $flags [, int $offset]]]) – cauta in $string prima aparitie a unui sir ce corespunde formatului specificat in $regex. Returneaza 1 in caz de gasire si 0 in caz contrar. Daca este folosit si al treilea argument, acesta se populeaza astfel: $matches[0] contine intregul sir ce a corespuns regex-ului, $matches[l] sirul corespunzator primei subexpresii etc. Al patrulea argument, daca exista, ofera posibilitatea de a impune pozitia din $string de la care sa inceapa cautarea.
  

$s =    “mere pere in panere”  ;
echo preg_match(‘/ere/’,   $s);
$a = array() ;
preg_match(‘/(.)ere\s(.)/’,$s, $a);
var_dump($a);  
array(2)  {
[0]=>strings(4) “mere p”
[1]=>string(1) “m”
[2]=> string(1) “p”
}
  

int preg_match_all ( string $regex, string $string, array &$matches [, int $flags [, int $offset]]) – functioneaza la fel ca preg_match, insa al treilea argument este obligatoriu, el fiind populat cu toate sirurile gasite care corespund pattern-ului (preg_match se oprea la prima aparitie). Felul in care este populat acest tablou este dat de parametrul $flags, care ofera urmatoarele posibilitati: 

• PREG_PATTERN_ORDER – elementele din $matches corespund subexpresiilor din $regex. $matches[0] va avea ca valoare un tablou cu toate sirurile intregi care au corespuns regex-ului, $matches[l] va avea ca valoare un tablou ce contine toate sirurile ce au corespuns primei subexpresii etc.
• PREGSETORDER – fiecare element din $matches corespunde unei aparitii de subsir ce corespunde regex-ului, si are ca valoare un tablou cu toate sirurile corespunzatoare subexpresiilor. Smatches[0][0] contine 

• mixed preg_replace ( mixed $regex, mixed $inlocuitor, mixed $string [, int $limit [, int &$count]]) – returneaza o copie a lui $string in care subsirurile ce corespund formatului din $regex sunt inlocuite cu $inlocuitor. Al patrulea argument, daca este prezent, specifica numarul maxim de inlocuiri, iar in ultimul argument se memoreaza numarul de inlocuiri efectuate.
• array preg_split ( string $pattern, string $subject [, int $limit [, int $flags]]) – alternativa la strtok() sau explode(), cu diferenta ca delimitatorul de campuri (sirul de caractere declarat ca separator) este acum specificat sub forma uni regex