PHP正则里面的两个重要技巧

正则用了好些年，总结出两个在web开发中非常有用的，尤其在抓取、代码分析中经常用到的东西。

1、.*的贪吃性

我们用/\*.*\*/去和字符串/* first comment */ not comment /* second comment */匹配会失败，因为由于 .* 项目的贪吃性，会匹配成整个字符串，于是就会匹配失败，不过，如果在后面加一个问号数量符，则会停止贪吃性，而变成匹配尽可能少的数目，因此模式 /\*.*?\*/ 就会正确匹配。各种数量符的含义并没有改变，只是优先的匹配数目。不要将问号的此用法和其自己作为数量符的使用混淆。因为有两种用法，有时可以两个一起出现，例如 \d??\d 会优先匹配一个数字，但如别无选择也可以匹配两个以使剩余模式匹配。

如果设定了PCRE_UNGREEDY选项（此选项Perl中没有）则数量符默认不是贪吃型的，但是在个别模式后加上一个问号可以将其变成贪吃型的。换句话说，这可以反转默认的行为。

后面跟上一个+的数量符是“占有性”（possessive）的。它会匹配尽可能多的字符而不管剩余的模式。因此 .*abc 可以匹配 “aabc” 但是 .*+abc 就不会，因为 .*+ 已经匹配了整个字符串。自PHP 4.3.3起可以用占有性数量符可以来加快处理过程。

2.（）子模式的不捕获

如果将字符串 “the red king” 来和模式the ((red|white) (king|queen))进行匹配，捕获的子串为 “red king”，”red” 以及 “king”，并被计为1，2 和3。

简单的括号实现两种功能的事实不总是有帮助的。经常有需要一组子模式但不需要捕获的时候。如果左括号后面跟着 “?:”，子模式不做任何捕获，并且在计算任何之后捕获的子模式时也不算在内。例如，如果用字符串 “the white queen”去和模式the ((?:red|white) (king|queen)) 匹配，捕获的子串是“white queen” 和 “queen”，并被计为1和2。

因此，最完美的匹配网页中图片src部分的正则表达式处理如下：

以下是输出结果：

Array
(
[0] =>Array
(
[0] =><img border="0" src="upfiles/2009/07/1246430143_4.jpg" alt=""/>
[1] =><img border="0" src='upfiles/2009/07/1246430143_3.jpg' alt=""/>
[2] =><img border="0" src="upfiles/2009/07/1246430143_1.jpg" alt=""/>
[3] =><img width="280" height="187" alt="" class="imgloading" original="http://s.yoututuan.com/team/2011/1206/13231497847660.jpg"src="http://s.yoututuan.com/team/2011/1206/13231497847660.jpg"style="display:block;">
)
[1] => Array
(
[0] => upfiles/2009/07/1246430143_4.jpg
[1] => upfiles/2009/07/1246430143_3.jpg
[2] => upfiles/2009/07/1246430143_1.jpg
[3] =>http://s.yoututuan.com/team/2011/1206/13231497847660.jpg
)
)