Espressioni Regolari in PHP

Un'espressione regolare (regex) è un pattern che descrive un insieme di stringhe. Invece di cercare un testo fisso, si descrive la sua forma — "un indirizzo email", "una sequenza di cifre", "una parola che termina in .php" — e PHP trova, valida, sostituisce o divide il testo che corrisponde.

Questo capitolo spiega come funzionano le funzioni preg_ di PHP, la sintassi di un pattern (delimitatori, classi di caratteri, quantificatori, gruppi, ancore) e le operazioni più comuni: validare l'input, estrarre dati e sostituire testo.

Cosa sono le espressioni regolari

Un'espressione regolare è una sequenza di caratteri che definisce un pattern di ricerca. La maggior parte dei caratteri corrisponde a se stessa — il pattern cat corrisponde al testo letterale cat. La potenza deriva dai metacaratteri che rappresentano categorie di caratteri o ripetizioni:

Come funzionano le espressioni regolari in PHP

PHP utilizza PCRE (Perl-Compatible Regular Expressions) tramite la famiglia di funzioni preg_. Le più usate:

La sintassi di un pattern PHP

Un pattern PHP è una stringa composta da tre parti: un delimitatore, il pattern e modificatori opzionali.

/pattern/modifiers

Il primo carattere è il delimitatore — quasi sempre /, ma funziona qualsiasi carattere non alfanumerico (#, ~, !). Scegliere un delimitatore che non appare nel pattern evita di doverlo escapare. Ad esempio, il match di un percorso URL è più pulito con #:

"#^/users/\d+$#"   // no need to escape the slashes

I modifiers sono lettere opzionali dopo il delimitatore di chiusura che cambiano il comportamento del motore:

• i — insensibile alle maiuscole: /php/i corrisponde a PHP, Php, php.
• m — multilinea: ^ e $ corrispondono all'inizio/fine di ogni riga, non solo dell'intera stringa.
• s — singola riga ("dotall"): . corrisponde anche ai newline.
• u — tratta il pattern e il soggetto come UTF-8. Usarlo per qualsiasi testo con caratteri non ASCII.
• x — esteso: gli spazi nel pattern vengono ignorati, permettendo di spaziare e commentare pattern complessi.

Verificare una corrispondenza con preg_match

preg_match() restituisce 1 se il pattern viene trovato, 0 se no, e false in caso di errore. È la scelta giusta per una domanda sì/no come "questa stringa contiene una cifra?"

Il terzo argomento opzionale, $matches, viene riempito con i risultati: $matches[0] è l'intera corrispondenza, e $matches[1], $matches[2], … sono i gruppi di cattura in ordine — le sottostringhe catturate da ogni coppia di parentesi.

Validare l'input dell'utente

Un uso comune delle regex è la validazione dell'input dell'utente — verificare che un valore abbia la forma corretta prima di memorizzarlo o fidarsi di esso. Ecco un controllo base per l'email:

<?php

$email = "[email protected]";

if (preg_match("/^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$/", $email)) {
    echo "Valid email address";
} else {
    echo "Invalid email address";
}

?>

Le ancore ^ e $ sono importanti qui: senza di esse il pattern corrisponderebbe a un'email all'interno di una stringa più grande, quindi "junk [email protected] junk" passerebbe la verifica. Con esse, l'intera stringa deve essere una singola email.

Per le email in particolare, la funzione integrata di PHP filter_var() con FILTER_VALIDATE_EMAIL è più robusta di una regex scritta a mano. Ricorrere alle regex quando si ha bisogno di un formato non coperto dai filtri — codici postali, ID personalizzati, formati di numeri di telefono. Vedi validazione dei form PHP per un esempio completo di controllo dell'input.

Trovare tutte le corrispondenze con preg_match_all

Mentre preg_match() si ferma alla prima corrispondenza, preg_match_all() le raccoglie tutte — utile per estrarre ogni hashtag, prezzo o link da un blocco di testo.

<?php

$text = "Prices: $12, $7 and $349";

preg_match_all("/\\\$(\d+)/", $text, $matches);

print_r($matches[1]); // the captured numbers

?>

$matches[1] contiene un array di ogni gruppo catturato — in questo caso, ["12", "7", "349"].

Sostituire testo con preg_replace

preg_replace() sostituisce ogni corrispondenza. Nella stringa di sostituzione, $1, $2, … si riferiscono ai gruppi catturati, quindi è possibile riscrivere oltre che rimuovere:

<?php

$date = "2026-06-21";

// Reformat YYYY-MM-DD into DD/MM/YYYY
echo preg_replace("/(\d{4})-(\d{2})-(\d{2})/", "$3/$2/$1", $date);
// 21/06/2026

?>

Per dividere una stringa in parti in base a un pattern invece di sostituire, si usa preg_split() — ad esempio dividendo su qualsiasi sequenza di spazi bianchi con /\s+/.

Tecniche avanzate

Una volta acquisita familiarità con le basi, queste funzionalità gestiscono pattern più complessi:

• Gruppi di cattura (...) — estraggono parti specifiche di una corrispondenza, come mostrato sopra con $matches[1].
• Gruppi non di cattura (?:...) — raggruppano senza occupare uno slot in $matches, quando serve solo il raggruppamento per un quantificatore o un'alternativa.
• Gruppi nominati (?<year>\d{4}) — riferimento a una corrispondenza per nome ($matches['year']) invece che per numero.
• Lookahead (?=...) e lookbehind (?<=...) — corrispondono in base a ciò che segue o precede, senza consumarlo. Utile per "un numero seguito da px" senza catturare px.
• Quantificatori lazy *?, +? — corrispondono al minor numero possibile di caratteri. Per default .* è greedy e cattura tutto ciò che può.

Una nota sull'escaping: caratteri come ., +, *, ?, (, ), [, \ hanno un significato speciale. Per corrisponderli letteralmente, anteporre una barra rovesciata (\. corrisponde a un punto letterale). Quando il testo letterale proviene da una variabile, usare preg_quote() per escaparlo in modo sicuro.

Errori comuni

• Dimenticare i delimitatori. I pattern PHP sono stringhe e devono includere i delimitatori: "/\d+/", non "\d+". Ometterli genera un avviso e la corrispondenza fallisce.
• Doppio escaping nelle stringhe con doppi apici. All'interno di "...", una barra rovesciata è anche un escape PHP. "/\d/" funziona perché \d non è un escape PHP, ma per corrispondere a un $ letterale serve "/\\$/". Le stringhe con apici singoli ('/\d/') evitano questa sorpresa.
• Il matching greedy cattura troppo. <.*> su <a><b> corrisponde all'intero <a><b>, non solo a <a>. Usare il lazy <.*?> oppure una classe negata <[^>]*>.
• Omettere il modificatore u per UTF-8. Senza /u, . e \w operano sui byte, danneggiando i caratteri multi-byte.

Conclusione

Le espressioni regolari permettono di descrivere la forma del testo piuttosto che il suo contenuto esatto, rendendole indispensabili per validare l'input, estrarre dati e trasformare stringhe. In PHP si utilizzano tramite le funzioni preg_: preg_match() e preg_match_all() per cercare, preg_replace() per riscrivere, e preg_split() per dividere le stringhe. Si inizia con ancore, classi di caratteri e quantificatori, poi si aggiungono gruppi e lookaround man mano che i pattern crescono. Per approfondire le stringhe su cui si lavora, vedi PHP Strings.

Esercizio