关于正则字符，很多文章都会讲到，足足有一篇文章才能描述清楚，我这里就不多说，对于我，平时，常用的有：
<code>.</code> 匹配不包括换行的任意字符，在php的s修饰符下面可以匹配换行，如<code>$pattern='#<div>(.*?)</div>#s';</code>就可以匹配div内容有换行的数据。
<code>\s</code> 空格、tab
<code>*</code> 匹配零个或多个
<code>+</code> 匹配一个或多个，即至少一个
<code>\</code> 转义
一个特殊字符前加<code>\</code>就表示转义，说明把它当普通字符用
<code>[]</code> 单字符取一个，比如[abc]会匹配<code>a或b或c</code>
但是，如果<code>[]</code>里面加上<code>^</code>则会变成排除这个字符，如<code>[^abc]</code>就表示<code>不是a、不是b、也不是c</code>
另外，在<code>[]</code>里面可以使用<code>-</code>表示一个范围，如<code>[0-9]</code>表示从0到9，类似的还有<code>[a-zA-Z]</code>，如果要包含<code>-</code>字符，可以给它加上转义<code>[\-]</code>
<code>^</code> 一行字符串开始（虚拟字符，不实际存在）
这里的^跟<code>[]</code>里面用的<code>^</code>是同一个字符，但是却不是一个意思，这里它表示一行字符串的开始，比如<code>^www</code>表示以<code>www</code>开头的字符串，注意区分，不在<code>[]</code>里面的是开始符，在里面的排除
<code>$</code> 一行字符串结束（虚拟字符，不实际存在）
<code>{1,3}</code> 循环次数
<code>[0-9]{1,3}</code>表示在0-9的范围里面循环1个、2个或者3个，可能结果有5、20、415等
<code>?</code> 有两个用法
（1） 匹配一个或零个，比如<code>https?</code>匹配的<code>https</code>（一个s）或者http（零个s）
（2）非贪婪模式
所谓非贪婪模式，就是匹配尽可能少的内容，比如，对于源字符串
<code><div></code>
<code>a</code>
<code></div></code>
<code>b</code>
使用<code><div>(.*?)</div></code>会得到2个结果：
和
因为，当遇到第一个<code></div></code>，非贪婪模式就不会再往后找了。
而使用<code><div>(.*)</div></code>（贪婪模式）则会得到整个字符串
，因为它会匹配所有字符直到后面再找不到<code></div></code>。
11. <code>|</code> 多个数据选一（常用于多字符）
前面提到<code>[]</code>里面的字符有选一个字符功能，但是假如不是一个字符，比如：http|ftp|svn 就需要用<code>|</code>分开，<code>|</code>的作用域是一直往后直到遇到括号，比如，对于源字符串
<code>http abc</code>
<code>ftp abc</code>
<code>svn abc</code>
<code>http|ftp|svn abc</code>匹配的结果是：
<code>http</code>
<code>ftp</code>
想要匹配 <code>http abc</code>和<code>ftp abc</code>和<code>svn abc</code>就要使用括号把前边的协议括起来，如<code>(http|ftp|svn) abc</code> 可以得到预期的结果。
12. <code>()</code> 数据分界和取数据
上面例子<code>(http|ftp|svn) abc</code>就是数据分界的例子，然后，匹配结果会得到一个[1]的子集数据，这里就是子模式的概念，利用子模式，可以得到想要取出来的数据。子模式1、2、3的计算方法为左括号的计数，从左到右，从1开始，比如：
<code>(http|ftp|svn)://([^/]+)</code>，[1]得到的是<code>(http|ftp|svn)</code>里面的数据，[2]得到<code>([^/]+)</code>里面的数据，对于嵌套括号也是点左括号即可。
13. <code>(?:)</code> 非捕获组
上面说到<code>()</code>作为子模式可以得到它里面的数据，但是，有些时候，<code>()</code>只是作为数据分界功能，并不需要取出来，这时候就要用到非捕获组的概念了。比如：<code>(http|ftp|svn)://([^/]+)</code>只想得到域名，也就是[2]，那么<code>(http|ftp|svn)</code>就只是数据分界的功能，这里不需要捕获，因此使用非捕获组功能，<code>(?:http|ftp|svn)</code>屏蔽这部分的数据获取，此时，<code>(?:</code>这个左括号要排除出[1]、[2]计数，也就是<code>(?:http|ftp|svn)://([^/]+)</code>中的<code>([^/]+)</code>变成[1]了。
每一个正则都是有针对性的，只有这样正则才有意义。因此，写正则之前，先观察你要解析的数据，找准唯一的锚点，比如，你要解析一个页面的title标签，得到title内容，那么这个title就是锚点。有时候，所要取的数据确实无法定位一个唯一的锚点，那么，你可以分解数据，先通过一个唯一锚点锁定你的数据块，取出来之后，再对这个数据块取数据即可。比如，有这么一段源字符串：
<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>
你直接通过class="content"来匹配数据的话很明显会得到两个，那么，你可以扩展它的数据域，先以id="module_1"作为锚点，获取整个
然后在对这个数据块的数据处理，得到class="contents"的内容即可。
因此，这里用到2个正则：
（1）<code><div id="module_1">(.*?)</div>\s*<div id="module_2"></code>
（2）<code><div class="content">(.*?)</div></code>
所谓去噪点，就是把无关的东西都当浮云，用通配符过掉它，只关心我们想要的数据，比如：
<code><meta content="text/html; charset=utf-8" http-equiv="content-type"></code>
要从这里得到字符集utf-8，我们需要怎么做？
首先，定位锚点，有<code><meta</code> 、<code>charset=</code>和utf-8后面的<code>"</code>，其他都是浮云~
因此得到正则：
<code><meta[^>]*charset=([^"]+)"</code>
即可，用子模式取数据[1]就能得到utf-8
关于取数据，上面一大篇下来大家应该有概念了，就是利用子模式来获取，这里不再赘述。
本文转自左正博客园博客，原文链接：http://www.cnblogs.com/soundcode/p/3807341.html，如需转载请自行联系原作者
![正则表达式入门正则表达式30分钟入门教程[图]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)