正则表达式中的?和?:

有时会看到.*?或者?:\w+的规则，一直不知道是什么意思。后来查了下，搞明白了。

1.首先看下.*?

举个例子吧还是，比如要去掉一篇文章中的所有script标签及内容。php代码如下：

$rule = '#<script[^>]*>.*<\/script>#i';  
$str = "<script>var test = '测试';alert(test);</script>大难不死！英52岁夫妇海上漂浮7小时后获救</h1><p class='otitle'>你好</p><script>alert('测试一下')</script><span>测试</span>";  
preg_match_all($rule, $str, $result);
var_dump($result);
// $str = preg_replace($rule, '',$str);
// var_dump($str);

这样打出来匹配的结果是：

array(1) {
  [0]=>
  array(1) {
    [0]=>
    string(177) "<script>var test = '测试';alert(test);</script>大难不死！英52岁夫妇海上漂浮7小时后获救</h1><p class='otitle'>你好</p><script>alert('测试一下')</script>"
  }
}

我们发现结果跟我们预想的不太一样，因为结果只匹配了一条带script标签的字符串，为什么？

原因在于默认情况下，正则表达式会贪婪匹配满足规则的最长字符串，比如上面的匹配<script>标签，因为字符串中包含两个匹配的script规则，所以它会一直匹配到最后的</script>结束。

解决这个问题的方案就是.*后面加一个?，代表懒惰匹配，意味着在满足匹配的情况下尽可能少的重复。

改成.*?后匹配的结果如下：

array(1) {
  [0]=>
  array(2) {
    [0]=>
    string(49) "<script>var test = '测试';alert(test);</script>"
    [1]=>
    string(39) "<script>alert('测试一下');</script>"
  }
}

2.再来看一下?:

先看一个例子：

$rule = '#((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)#';
$str = '192.168.0.191';
preg_match_all($rule, $str, $result);
var_dump($result);
// $str = preg_replace($rule, '',$str);
// var_dump($str);

这个是用来匹配ip地址的，ip地址的匹配：

①以"."隔开的四个数

②每个数不能超过255

那可能的匹配就是：以2[0-4]开头的三位数，以25开头的三位数，以01开头的1位，2位，3位数。

这里我们用()做了一个分组，即((2[0-4]\d|25[0-5]|[01]?\d\d?)\.)，分组将在下篇去学习。正则表达式里每个分组都会有一个分组号，分组号可以用于反向引用中。

另外对于每个分组的内容都是可以捕获的，因此反向引用的时候才能够有效。但有的时候我们分组后并不需要后面引用(比如ip的这个正则，前面的分组后面不需要引用)，而且分组后还有额外的内存开销，影响正则的执行效率。这个时候呢我们就可以通过?:来表示分组但不捕获。那么上面的正则也可以写成：

#(?:(?:2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(?:2[0-4]\d|25[0-5]|[01]?\d\d?)#

这样的话只会匹配但不会捕获内容。