正则学习 入门+preg_match_all

http://deerchao.net/tutorials/regex/regex.htm  正则基础

http://blog.163.com/i_yuhan/blog/static/198342100201242382436322/   preg_match_all 及实例

 

 

PREG_MATH_ALL：进行全局正则表达式匹配

        int preg_match_all ( string $pattern , string $subject , array $matches [, int $flags ] )

    flags 可以是下列标记的组合（注意把 PREG_PATTERN_ORDER 和 PREG_SET_ORDER 合起来用没有意义）：

        PREG_PATTERN_ORDER

 

        对结果排序使 $matches[0] 为全部模式匹配的数组，$matches[1] 为第一个括号中的子模式所匹配的字符串组成的数组，以此类推。

<?php
preg_match_all ("|<[^>]+>(.*)</[^>]+>|U",
    "<b>example: </b><div align=left>this is a test</div>",
    $out, PREG_PATTERN_ORDER);
print $out[0][0].", ".$out[0][1]."\n";
print $out[1][0].", ".$out[1][1]."\n";
?> 

本例将输出：

<b>example: </b>, <div align=left>this is a test</div>  example: , this is a test

因此，$out[0] 包含匹配整个模式的字符串，$out[1] 包含一对 HTML 标记之间的字符串。 

 

         PREG_SET_ORDER

 

         对结果排序使 $matches[0] 为第一组匹配项的数组，$matches[1] 为第二组匹配项的数组，以此类推。

<?php
preg_match_all ("|<[^>]+>(.*)</[^>]+>|U",
    "<b>example: </b><div align=left>this is a test</div>",
    $out, PREG_SET_ORDER);
print $out[0][0].", ".$out[0][1]."\n";
print $out[1][0].", ".$out[1][1]."\n";
?> 

本例将输出：

<b>example: </b>, example:  <div align=left>this is a test</div>, this is a test  

本例中，$matches[0] 是第一组匹配结果，$matches[0][0] 包含匹配整个模式的文本，$matches[0][1] 包含匹配第一个

子模式的文本，以此类推。同样，$matches[1] 是第二组匹配结果，等等。 

          PREG_OFFSET_CAPTURE

如果设定本标记，对每个出现的匹配结果也同时返回其附属的字符串偏移量。注意这改变了返回的数组的值，使其中的每个单元也是一个数组，其中第一项为匹配字符串，第二项为其在 subject 中的偏移量。本标记自 PHP 4.3.0 起可用。

 

如果没有给出标记，则假定为 PREG_PATTERN_ORDER。

===========================================================================================

详解如下：

$html = '<div id="biuuu">51CTO</div><div id="biuuu_2">51CTO2</div><div id="biuuu_3">51CTO3</div>';

要求：分别将每一个DIV元素的ID和内容取出，如biuuu，biuuu_2，biuuu_3，51CTO，51CTO2和51CTO3（一些常用的抓站方法就是这样匹配的）

分析：字符串是一个简单的HTML元素，每一个DIV元素对应该一个ID和内容，并且是独立的，首先考虑如何取出一个DIV内的ID值和内容，如：51CTO，然后匹配其它类似的元素。一个DIV中需要取出两个值，也就是两个匹配的表达式，第一个表达式用于匹配ID值（biuuu），第二个表达式用于匹配ID的内容（51CTO），正则表达式常用的表达式使用小括号，那么前面的元素将会变成如下形式：

<div id="(biuuu)">(51CTO)</div>

对应匹配格式为 

<div id="(表达式1)">(表达式2)</div>

使用如上小括号把需要匹配的区域进行了划分，接下来就是如何匹配各个表达式内的内容，我们猜想一个ID可能是字母，数字或下划线，那这就变得简单了，使用中括号就可以实现，如下：
表达式1：[a-zA-Z0-9_]+ （表示匹配大小写字母，数字和下划线）

如何匹配表达式2，因为ID的内容可以是任意的字符，但是要注意，不能匹配<或>字符，因为如果匹配这两个字符将会把后面使用的DIV都匹配出来，因此需要排除这两个字符开始的元素，也就是不匹配以<或>字符，如下：
表达式2：[^<>]+ （表示不匹配<和>字符）

（^放在[]（中括号）里表示非，即不接受该字符集合，不在[]里则代表匹配输入字符串的开始位置）

这样，需要匹配的子表达式就实现了，但是还要需要匹配一个完整的的表达式，方法如下： 
表达式：/ '\"(表达式1)\"'>(表达式2)<\/div>/ 
注意其中的双引号"和/需要使用\转义字符转义，然后把前面两个表达式放进去，如下：
'\"([a-z0-9_]+)\"'>

/<div id=\"([a-z0-9_]+)\">([^<>]+)<\/div>/ 

最终完整的结果为：

 preg_match_all('/<div\sid=\"([a-z0-9_]+)\">([^<>]+)<\/div>/',$html,$result);

 var_dump($result);

结果

array(3) { [0]=> array(3)
　　　　　　　　{ [0]=> string(30) "<div id="biuuu">51CTO</div>" 
　　　　　　　　　　[1]=> string(33) "<div id="biuuu_2">51CTO2</div>" 
　　　　　　　　　　[2]=> string(33) "<div id="biuuu_3">51CTO3</div>" } 
　　　　　　[1]=> array(3) 
　　　　　　　　{ [0]=> string(5) "biuuu" [1]=> string(7) "biuuu_2" 
　　　　　　　　　　[2]=> string(7) "biuuu_3" } 
　　　　　　[2]=> array(3) { 
　　　　　　　　　　[0]=> string(8) "51CTO" [1]=> string(9) "51CTO2" [2]=> string(9) "51CTO3" } }

 

结果为数组，有三个元素，

第一个元素为全模式匹配的数组结果， 即：

[0]=> array(3)
{ [0]=> string(30) "<div id="biuuu">51CTO</div>" [1]=> string(33) "<div id="biuuu_2">51CTO2</div>" [2]=> string(33) "<div id="biuuu_3">51CTO3</div>" }

第二个元素为第一个子表达式（括号）匹配后的结果所组成的数组，即

[1]=> array(3) { [0]=> string(5) "biuuu" [1]=> string(7) "biuuu_2" [2]=> string(7) "biuuu_3" }

第三个元素为第二个子表达式（括号）匹配后的结果所组成的数组，即

[2]=> array(3) { [0]=> string(8) "51CTO" [1]=> string(9) "51CTO2" [2]=> string(9) "51CTO3" } }

===================================================

其他范例：要求获取<a></a>里的值

 

<?php

$s = <<< TXT

.....

<span class="singer" style="width: 95px;">

<a href="artist/001">json</a>

</span>

.....

<span class="singer" style="width: 95px;">

<a href="artist/002">ajax</a>

</span>

....

<span class="singer" style="width: 95px;">

<a href="artist/003">php</a>

<span>/</span>

<a href="artist/004">mysql</a>

</span>

TXT;

 

preg_match_all("/<span.+<a.+>(.+)</isU", $s, $r);

print_r($r[1]);

结果为Array ( [0] => json [1] => ajax [2] => php [3] => mysql )