轉載請註明出處：http://blog.csdn.net/donglynn/article/details/35788879

正則表示式是一個非常有用的程式設計技能。一般來說，簡單的抓取一個HTML頁面的某一條資訊，比如<title>標題</title>，是很容易實現的。但是，我們往往要抓取某一個列表頁面裡的多個重複的<div></div>塊裡的特定內容，並且<div></div>塊還有巢狀的使用，我們抓取的則是每個重複<div></div>塊裡的多個資訊。同時，網頁原始檔不同於一般的字串，其還存在大量的回車、換行和製表符，這些都造成了匹配失敗。而初學者往往無法判斷到底是哪個環節出現了問題，並且看到高度技巧化的正則表示式會感到非常沮喪，從而導致放棄問題的解決。

經過筆者多日的研究，終於摸索出以下方法和技巧，歡迎大家交流指正。

請看如下注意點和步驟：

1.注意/一定要被轉義成\/，否則會報錯

preg_match_all() [function.preg-match-all]: Unknown modifier

2.正則表示式用單引號'和/作為開始和結束的標界，比如'/reg partten/'，採用這樣的寫法，正則表示式裡的雙引號"不必轉義

比如，

$partten='/<div class="goods_item"><a href="([^<>]+)" target="_blank"><img data-ks-lazyload="([^<>]+)" alt="([^<>]+)" width="" height=""\/>/';

3.需要先去除所有的換行符、製表符、回車等等，對於便於閱讀的html原始檔由於上述符號的存在會造成無法匹配。

$str=preg_replace("/[\t\n\r]+/","",$str);

4.我們感興趣的匹配資訊，通常是html元素中的屬性的值，因此要去除<>，否則只會匹配最後一條之前的全部資訊。

比如,對於$string="<div><a href=“1.jpg”></a></div><div><a href=“2.jpg”></a></div><div><a href=“3.jpg”></a></div>",

$partten='/<div><a href=“(.+)”/';的匹配結果是：1.jpg”></a></div><div><a href=“2.jpg”></a></div><div><a href=“3.jpg”></a></div>

這是因為，上述給出的正則表示式確實沒有限定匹配的範圍只是第一個超連結<a href=“1.jpg”></a>。

因此，要想匹配上述三個超連結的 href屬性，需要將上述匹配限定在<a href=“1.jpg”>裡面，方法也很簡單，將(.+)換成([^<>]+)，即可。也就是說，這個匹配不包含下一個出現<>的地方，從而將匹配限定在同一個html標籤內

做到以上幾點，就可以完全無視html標籤巢狀不巢狀的問題，從而抓取到一個頁面所有的div重複塊中我們感興趣的內容，下附一例。

<?
//被匹配的html程式碼
$html='
<div class="goods">
	<a href="http://url1111" target="_blank">
		<img data-ks-lazyload="http://1111.jpg" alt="alt1111" width="" height=""/>
	</a>
</div>
<div class="goods">
	<a href="http://url2222" target="_blank">
		<img data-ks-lazyload="http://2222.jpg" alt="alt2222" width="" height=""/>
	</a>
</div>
<div class="goods">
	<a href="http://url3333" target="_blank">
		<img data-ks-lazyload="http://3333.jpg" alt="alt3333" width="" height=""/>
	</a>
</div>';

//去掉換行、製表等特殊字元，可以echo一下看看效果
$html=preg_replace("/[\t\n\r]+/","",$html);

//匹配表示式，注意兩點，一是包含在'/ /'裡面，再就是/要做轉義處理成\/
$partern='/<div class="goods"><a href="([^<>]+)" target="_blank"><img data-ks-lazyload="([^<>]+)" alt="([^<>]+)" width="" height=""\/><\/a><\/div>/';

//匹配結果
preg_match_all($partern,$html,$result); 

//列印結果
var_dump($result); 
?>

array(4) {
  [0]=>
  array(3) {
    [0]=>
    string(144) "<div class="goods"><a href="http://url1111" target="_blank"><img data-ks-lazyload="http://1111.jpg" alt="alt1111" width="" height=""/></a></div>"
    [1]=>
    string(144) "<div class="goods"><a href="http://url2222" target="_blank"><img data-ks-lazyload="http://2222.jpg" alt="alt2222" width="" height=""/></a></div>"
    [2]=>
    string(144) "<div class="goods"><a href="http://url3333" target="_blank"><img data-ks-lazyload="http://3333.jpg" alt="alt3333" width="" height=""/></a></div>"
  }
  [1]=>
  array(3) {
    [0]=>
    string(14) "http://url1111"
    [1]=>
    string(14) "http://url2222"
    [2]=>
    string(14) "http://url3333"
  }
  [2]=>
  array(3) {
    [0]=>
    string(15) "http://1111.jpg"
    [1]=>
    string(15) "http://2222.jpg"
    [2]=>
    string(15) "http://3333.jpg"
  }
  [3]=>
  array(3) {
    [0]=>
    string(7) "alt1111"
    [1]=>
    string(7) "alt2222"
    [2]=>
    string(7) "alt3333"
  }
}