今天在进行一个网页数据的抓取过程中遇到了一点点的问题,要进行网页中图片的抓取,翻来覆去只能取到最后一张图片的地址,不能进行全部的匹配,后查资料得知正则中的表达式默认情况下是贪婪模式的,所以匹配到了最后一个符合条件的表达式,下面贴出小例子,只是便于大家理解
51 $str = ''; 52 preg_match_all("/
/is", $str, $outstr); 53 print_r($outstr[1]);
这种情况匹配结果为:
Array( [0] => a.jpg">
也就是匹配到了最后的一个图片地址,因为正则表达式在默认情况下是贪婪的,所以匹配到了最后一个图片地址。
preg_match_all("//is", $str, $outstr);
将代码改为上面的形式,则可以匹配出想要的结果,
Array ( [0] => a.jpg [1] => b.jpg [2] => v.jpg )
? 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串 "oooo",'o+?' 将匹配单个 "o",而 'o+' 将匹配所有 'o'。
当正则表达式中包含能接受重复的限定符时,通常的行为是(在使整个表达式能得到匹配的前提下)匹配尽可能多的字符。考虑这个表达式:a.*b,它将会匹配最长的以 a开始,以b结束的字符串。如果用它来搜索aabab的话,它会匹配整个字符串aabab。这被称为贪婪匹配。
有时,我们更需要懒惰匹配,也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式,只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复,但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧:
a.*?b匹配最短的,以a开始,以b 结束的字符串。如果把它应用于aabab的话,它会匹配aab(第一到第三个字符)和ab(第四到第五个字符)。