正则表达式是一个非常有用的编程技能。一般来说，简单的抓取一个HTML页面的某一条信息，比如<title>标题</title>，是很容易实现的。但是，我们往往要抓取某一个列表页面里的多个重复的<div></div>块里的特定内容，并且<div></div>块还有嵌套的使用，我们抓取的则是每个重复<div></div>块里的多个信息。同时，网页源文件不同于一般的字符串，其还存在大量的回车、换行和制表符，这些都造成了匹配失败。而初学者往往无法判断到底是哪个环节出现了问题，并且看到高度技巧化的正则表达式会感到非常沮丧，从而导致放弃问题的解决。
经过笔者多日的研究，终于摸索出以下方法和技巧，欢迎大家交流指正。
请看如下注意点和步骤：
1.注意/一定要被转义成\/，否则会报错
preg_match_all() [function.preg-match-all]: Unknown modifier
2.正则表达式用单引号‘和/作为开始和结束的标界，比如‘/reg partten/‘，采用这样的写法，正则表达式里的双引号"不必转义
比如，
$partten=‘/<div class="goods_item"><a href="([^<>]+)" target="_blank"><img data-ks-lazyload="([^<>]+)" alt="([^<>]+)" width="" height=""\/>/‘;
3.需要先去除所有的换行符、制表符、回车等等，对于便于阅读的html源文件由于上述符号的存在会造成无法匹配。
$str=preg_replace("/[\t\n\r]+/","",$str);
4.我们感兴趣的匹配信息，通常是html元素中的属性的值，因此要去除<>，否则只会匹配最后一条之前的全部信息。
比如,对于$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=“(.+)”/‘;的匹配结果是：1.jpg”></a></div><div><a href=“2.jpg”></a></div><div><a href=“3.jpg”></a></div>
这是因为，上述给出的正则表达式确实没有限定匹配的范围只是第一个超链接<a href=“1.jpg”></a>。
因此，要想匹配上述三个超链接的 href属性，需要将上述匹配限定在<a href=“1.jpg”>里面，方法也很简单，将(.+)换成([^<>]+)，即可。也就是说，这个匹配不包含下一个出现<>的地方，从而将匹配限定在同一个html标签内
做到以上几点，就可以完全无视html标签嵌套不嵌套的问题，从而抓取到一个页面所有的div重复块中我们感兴趣的内容，下附一例。
1 <?
2 //被匹配的html代码
3 $html=‘
4 <div class="goods">
5 <a href="http://url1111" target="_blank">
6 <img data-ks-lazyload="http://1111.jpg" alt="alt1111" width="" height=""/>
7 </a>
8 </div>
9 <div class="goods">
10 <a href="http://url2222" target="_blank">
11 <img data-ks-lazyload="http://2222.jpg" alt="alt2222" width="" height=""/>
12 </a>
13 </div>
14 <div class="goods">
15 <a href="http://url3333" target="_blank">
16 <img data-ks-lazyload="http://3333.jpg" alt="alt3333" width="" height=""/>
17 </a>
18 </div>‘;
19
20 //去掉换行、制表等特殊字符，可以echo一下看看效果
21 $html=preg_replace("/[\t\n\r]+/","",$html);
22
23 //匹配表达式，注意两点，一是包含在‘/ /‘里面，再就是/要做转义处理成\/
24 $partern=‘/<div class="goods"><a href="([^<>]+)" target="_blank"><img data-ks-lazyload="([^<>]+)" alt="([^<>]+)" width="" height=""\/><\/a><\/div>/‘;
25
26 //匹配结果
27 preg_match_all($partern,$html,$result);
28
29 //打印结果
30 var_dump($result);
31 ?>
输出结果，一共有4个子数组，第一个子数组是匹配到的所有的项，后面三个子数组是我们匹配表达式里的三个匹配项：
1 array(4) {
2 [0]=>
3 array(3) {
4 [0]=>
5 string(144) "<div class="goods"><a href="http://url1111" target="_blank"><img data-ks-lazyload="http://1111.jpg" alt="alt1111" width="" height=""/></a></div>"
6 [1]=>
7 string(144) "<div class="goods"><a href="http://url2222" target="_blank"><img data-ks-lazyload="http://2222.jpg" alt="alt2222" width="" height=""/></a></div>"
8 [2]=>
9 string(144) "<div class="goods"><a href="http://url3333" target="_blank"><img data-ks-lazyload="http://3333.jpg" alt="alt3333" width="" height=""/></a></div>"
10 }
11 [1]=>
12 array(3) {
13 [0]=>
14 string(14) "http://url1111"
15 [1]=>
16 string(14) "http://url2222"
17 [2]=>
18 string(14) "http://url3333"
19 }
20 [2]=>
21 array(3) {
22 [0]=>
23 string(15) "http://1111.jpg"
24 [1]=>
25 string(15) "http://2222.jpg"
26 [2]=>
27 string(15) "http://3333.jpg"
28 }
29 [3]=>
30 array(3) {
31 [0]=>
32 string(7) "alt1111"
33 [1]=>
34 string(7) "alt2222"
35 [2]=>
36 string(7) "alt3333"
37 }
38 }
原文：http://blog.csdn.net/donglynn/article/details/35788879