正則對於新人來說是一個頭疼的名字，讓人聞而生畏。但是，在我看來，正則，並沒有那么神秘。
接觸正則應該有三年不止了吧，我也不知道自己怎么就走過了畏懼正則的時期，而且在一個小圈子里面還成了正則強人。
今天就基於我對正則的理解，簡單描述一下我眼里的正則，希望能夠解除正則新人對於正則的畏懼感。
先概括一下，正則三段論：
定錨點，去噪點，取數據
1、入門：正則字符
關於正則字符，很多文章都會講到，足足有一篇文章才能描述清楚，我這里就不多說，對於我，平時，常用的有：
-
.匹配不包括換行的任意字符，在php的s修飾符下面可以匹配換行，如$pattern='#<div>(.*?)</div>#s';就可以匹配div內容有換行的數據。 -
\s空格、tab -
*匹配零個或更多個，即0~n -
+匹配一個或更多個，即至少一個，1~n -
\轉義
一個特殊字符前加\就表示轉義，說明把它當普通字符用 -
[]單字符取一個，比如[abc]會匹配a或b或c但是，如果
[]里面加上^則會變成排除這個字符，如[^abc]就表示不是a、不是b、也不是c
另外，在[]里面可以使用-表示一個范圍，如[0-9]表示從0到9，類似的還有[a-zA-Z]，如果要包含-字符，可以給它加上轉義[\-]。
關於[]常見的錯誤用法是：[ab|bc]用來表示ab或bc，實際上，它得到的結果是[abc|]，即a或b或c或|這4個字符（單字符）的任意一個。這里可以改成(ab|bc)。
總結：[]里面的特殊符有五個：[]-\^，其他字符都是普通字符，包括*.?等。
說明：^在[^的首位時候才有特殊意義[0-9-在不是首尾的時候有特殊意義\[ \]因為占用[]本身字符，所以有特殊意義\本身是轉義符，有特殊意義
-
^字符串開始
這里的^跟[]里面用的^是同一個字符，但是卻不是一個意思，這里它表示整個字符串的開始，比如^www表示以www開頭的字符串，注意區分，不在[]里面的是開始符，在里面的排除 -
$字符串結束 -
{1,3}循環次數
[0-9]{1,3}表示在0-9的范圍里面循環1個、2個或者3個，可能結果有5、20、415等。
如果循環指定次數，如3次，則{3,3}可以簡寫成{3}。
如果剛好需要匹配字符{1}，則正則需要給{進行轉義，得到\{1}的正則。
如果{}中間不是數字，則{}本身不需要轉義。 -
?有兩個用法
（1） 匹配一個或零個，比如https?匹配的https（一個s）或者http（零個s）
（2）非貪婪模式
所謂非貪婪模式，就是匹配盡可能少的內容，比如，對於源字符串
<div>a</div><div>b</div>
使用<div>(.*?)</div>會得到2個結果（注意：如果源字符串有換行，使用[\s\S]替換 . ）：
<div>a</div>
和
<div>b</div>
因為，當遇到第一個</div>，非貪婪模式就不會再往后找了。
而使用<div>(.*)</div>（貪婪模式）則會得到整個字符串
<div>a</div><div>b</div>
，因為它會匹配所有字符直到后面再找不到</div>。
|多個數據選一（常用於多字符）
前面提到[]里面的字符有選一個字符功能，但是假如不是一個字符，比如：http|ftp|svn 就需要用|分開，|的作用域是一直往后直到遇到括號，比如，對於源字符串
http abc
ftp abc
svn abc
http|ftp|svn abc匹配的結果是：
http
和
ftp
和
svn abc
想要匹配 http abc和ftp abc和svn abc就要使用括號把前邊的協議括起來，如(http|ftp|svn) abc 可以得到預期的結果。
-
()數據分界和取數據
上面例子(http|ftp|svn) abc就是數據分界的例子，然后，匹配結果會得到一個1的子集數據，這里就是子模式的概念，利用子模式，可以得到想要取出來的數據。子模式1、2、3的計算方法為左括號的計數，從左到右，從1開始，比如：
(http|ftp|svn)://([^/]+)，1得到的是(http|ftp|svn)里面的數據，[2]得到([^/]+)里面的數據，對於嵌套括號也是點左括號即可。 -
(?:)非捕獲組
上面說到()作為子模式可以得到它里面的數據，但是，有些時候，()只是作為數據分界功能，並不需要取出來，這時候就要用到非捕獲組的概念了。比如：(http|ftp|svn)://([^/]+)只想得到域名，也就是[2]，那么(http|ftp|svn)就只是數據分界的功能，這里不需要捕獲，因此使用非捕獲組功能，(?:http|ftp|svn)屏蔽這部分的數據獲取，此時，(?:這個左括號排除1計數，也就是(?:http|ftp|svn)://([^/]+)中的([^/]+)變成1了。
關於常用字符的使用差不多到這里，還有更多的請參考正則表達式30分鍾入門教程，這是我看過比較全面的正則入門資料。
2、 操作：定錨點
每一個正則都是有針對性的，只有這樣正則才有意義。因此，寫正則之前，先觀察你要解析的數據，找准唯一的錨點，比如，你要解析一個頁面的title標簽，得到title內容，那么這個title就是錨點。有時候，所要取的數據確實無法定位一個唯一的錨點，那么，你可以分解數據，先通過一個唯一錨點鎖定你的數據塊，取出來之后，再對這個數據塊取數據即可。比如，有這么一段源字符串：
<div id="module_1">
<div class="content">
content 1
</div>
</div>
<div id="module_2">
<div class="content">
content 2
</div>
</div>
你直接通過class="content"來匹配數據的話很明顯會得到兩個，那么，你可以擴展它的數據域，先以id="module_1"作為錨點，獲取整個
<div id="module_1">
<div class="content">
content 1
</div>
</div>
然后在對這個數據塊的數據處理，得到class="contents"的內容即可。
因此，這里用到2個正則：
（1）<div id="module_1">(.*?)</div>\s*<div id="module_2">
（2）<div class="content">(.*?)</div>
總結：錨點，就是能唯一定位你數據的標識
3、 操作：去噪點
所謂去噪點，就是把無關的東西都當浮雲，用通配符過掉它，只關心我們想要的數據，比如：
<meta content="text/html; charset=utf-8" http-equiv="content-type">
要從這里得到字符集utf-8，我們需要怎么做？
首先，定位錨點，有<meta 、charset=和utf-8后面的"，其他都是浮雲~
因此得到正則：
<meta[^>]*charset=([^"]+)"
即可，用子模式取數據[1]就能得到utf-8
總結：關心的留下，不關心的都是浮雲
4、 操作：取數據
關於取數據，上面一大篇下來大家應該有概念了，就是利用子模式來獲取，這里不再贅述。
總結：子模式計數，數左括號從1開始，排除非捕獲組的左括號
最后，希望大家有一個愉悅的正則之旅，你一定會愛上她的，跟我一樣。: )