關于正則字元，很多文章都會講到，足足有一篇文章才能描述清楚，我這裡就不多說，對于我，平時，常用的有：
<code>.</code> 比對不包括換行的任意字元，在php的s修飾符下面可以比對換行，如<code>$pattern='#<div>(.*?)</div>#s';</code>就可以比對div内容有換行的資料。
<code>\s</code> 空格、tab
<code>*</code> 比對零個或多個
<code>+</code> 比對一個或多個，即至少一個
<code>\</code> 轉義
一個特殊字元前加<code>\</code>就表示轉義，說明把它當普通字元用
<code>[]</code> 單字元取一個，比如[abc]會比對<code>a或b或c</code>
但是，如果<code>[]</code>裡面加上<code>^</code>則會變成排除這個字元，如<code>[^abc]</code>就表示<code>不是a、不是b、也不是c</code>
另外，在<code>[]</code>裡面可以使用<code>-</code>表示一個範圍，如<code>[0-9]</code>表示從0到9，類似的還有<code>[a-zA-Z]</code>，如果要包含<code>-</code>字元，可以給它加上轉義<code>[\-]</code>
<code>^</code> 一行字元串開始（虛拟字元，不實際存在）
這裡的^跟<code>[]</code>裡面用的<code>^</code>是同一個字元，但是卻不是一個意思，這裡它表示一行字元串的開始，比如<code>^www</code>表示以<code>www</code>開頭的字元串，注意區分，不在<code>[]</code>裡面的是開始符，在裡面的排除
<code>$</code> 一行字元串結束（虛拟字元，不實際存在）
<code>{1,3}</code> 循環次數
<code>[0-9]{1,3}</code>表示在0-9的範圍裡面循環1個、2個或者3個，可能結果有5、20、415等
<code>?</code> 有兩個用法
（1） 比對一個或零個，比如<code>https?</code>比對的<code>https</code>（一個s）或者http（零個s）
（2）非貪婪模式
所謂非貪婪模式，就是比對盡可能少的内容，比如，對于源字元串
<code><div></code>
<code>a</code>
<code></div></code>
<code>b</code>
使用<code><div>(.*?)</div></code>會得到2個結果：
和
因為，當遇到第一個<code></div></code>，非貪婪模式就不會再往後找了。
而使用<code><div>(.*)</div></code>（貪婪模式）則會得到整個字元串
，因為它會比對所有字元直到後面再找不到<code></div></code>。
11. <code>|</code> 多個資料選一（常用于多字元）
前面提到<code>[]</code>裡面的字元有選一個字元功能，但是假如不是一個字元，比如：http|ftp|svn 就需要用<code>|</code>分開，<code>|</code>的作用域是一直往後直到遇到括号，比如，對于源字元串
<code>http abc</code>
<code>ftp abc</code>
<code>svn abc</code>
<code>http|ftp|svn abc</code>比對的結果是：
<code>http</code>
<code>ftp</code>
想要比對 <code>http abc</code>和<code>ftp abc</code>和<code>svn abc</code>就要使用括号把前邊的協定括起來，如<code>(http|ftp|svn) abc</code> 可以得到預期的結果。
12. <code>()</code> 資料分界和取資料
上面例子<code>(http|ftp|svn) abc</code>就是資料分界的例子，然後，比對結果會得到一個[1]的子集資料，這裡就是子模式的概念，利用子模式，可以得到想要取出來的資料。子模式1、2、3的計算方法為左括号的計數，從左到右，從1開始，比如：
<code>(http|ftp|svn)://([^/]+)</code>，[1]得到的是<code>(http|ftp|svn)</code>裡面的資料，[2]得到<code>([^/]+)</code>裡面的資料，對于嵌套括号也是點左括号即可。
13. <code>(?:)</code> 非捕獲組
上面說到<code>()</code>作為子模式可以得到它裡面的資料，但是，有些時候，<code>()</code>隻是作為資料分界功能，并不需要取出來，這時候就要用到非捕獲組的概念了。比如：<code>(http|ftp|svn)://([^/]+)</code>隻想得到域名，也就是[2]，那麼<code>(http|ftp|svn)</code>就隻是資料分界的功能，這裡不需要捕獲，是以使用非捕獲組功能，<code>(?:http|ftp|svn)</code>屏蔽這部分的資料擷取，此時，<code>(?:</code>這個左括号要排除出[1]、[2]計數，也就是<code>(?:http|ftp|svn)://([^/]+)</code>中的<code>([^/]+)</code>變成[1]了。
每一個正則都是有針對性的，隻有這樣正則才有意義。是以，寫正則之前，先觀察你要解析的資料，找準唯一的錨點，比如，你要解析一個頁面的title标簽，得到title内容，那麼這個title就是錨點。有時候，所要取的資料确實無法定位一個唯一的錨點，那麼，你可以分解資料，先通過一個唯一錨點鎖定你的資料塊，取出來之後，再對這個資料塊取資料即可。比如，有這麼一段源字元串：
<code><div id="module_1"></code>
<code><div class="content"></code>
<code>content 1</code>
<code><div id="module_2"></code>
<code>content 2</code>
你直接通過class="content"來比對資料的話很明顯會得到兩個，那麼，你可以擴充它的資料域，先以id="module_1"作為錨點，擷取整個
然後在對這個資料塊的資料處理，得到class="contents"的内容即可。
是以，這裡用到2個正則：
（1）<code><div id="module_1">(.*?)</div>\s*<div id="module_2"></code>
（2）<code><div class="content">(.*?)</div></code>
所謂去噪點，就是把無關的東西都當浮雲，用通配符過掉它，隻關心我們想要的資料，比如：
<code><meta content="text/html; charset=utf-8" http-equiv="content-type"></code>
要從這裡得到字元集utf-8，我們需要怎麼做？
首先，定位錨點，有<code><meta</code> 、<code>charset=</code>和utf-8後面的<code>"</code>，其他都是浮雲~
是以得到正則：
<code><meta[^>]*charset=([^"]+)"</code>
即可，用子模式取資料[1]就能得到utf-8
關于取資料，上面一大篇下來大家應該有概念了，就是利用子模式來擷取，這裡不再贅述。
本文轉自左正部落格園部落格，原文連結：http://www.cnblogs.com/soundcode/p/3807341.html，如需轉載請自行聯系原作者
![正規表達式入門正規表達式30分鐘入門教程[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)