匹配一个XHTML/XML 标记

如果你想抓取一个站点的数据或者试图快速从一个XML文档中取出信息的话，关于匹配一个XML 或者XHTML的标记的表达式将会非常有用。下面这个简单的正则表达式就可以完成这类抽取工作（表达式里面的单词‘tag’ 在实际应用中可以用任何你想寻找的标记名称替换）：
{<tag[^>]*>(.*?)</tag>}

这里涉及到两个正则表达式里面的概念：多数优先（greedy quantifier）和少数优先（lazy quantifier）。

我们详细说明一下：问号跟着星号的写法把表达式的计数方式变成了少数优先（lazy quantifier）。缺省情况下，正则表达式的匹配是多数优先（greedy quantifier），多数优先的意思是将匹配字符串中尽可能多的字符，相反，少数优先（Lazy quantifiers）将匹配字符串中尽可能少的字符。听上去很拗口，我们还是用这个实例来说明一下，如果你在这个例子里面使用多数优先（greedy quantifier）匹配法，我们的正则表达式将无法在下面这样的字符串下正常解析：
<tag>item 1</tag><tag>item 2</tag>

因为是多数优先，表达式将会一直匹配到最后那个>标记结束，而不是一个个>来匹配，这样得到的内容是：>item 1</tag><tag>item 2</tag，和我们希望的item 1相去甚远。

下面是这个简单的PHP函数用来抽取每个匹配的XML或者XHTML标记里面的内容到一个数组：

function get_tag( $tag, $xml ) {
$tag = preg_quote($tag);
preg_match_all('{<'.$tag.'[^>]*>(.*?)</'.$tag.'>.'}',
$xml,
$matches,
PREG_PATTERN_ORDER);
return $matches[1];
}