Question

一个超复杂的正则表达式,求详细解释,其实有一部分我可以看懂,不过还是请一个字一个字的解释,万分感谢!

'<\s*a\s.*?href\s*=\s*([\"\'])?(?(1)(.*?)\\1|([^\s\>]+))[^>]*>?(.*?)</a>'isx请从左到右说明以下每个字符每个部分的含义,奉送50分.

Answer 1

\s*：空白，指：回车、换行、横向制表符、空格等，*出现任意多次

.*?：.在多行模式下能匹配除回车换行外的任意字符，单行模式下回车换行也可匹配。正则式默认的*为贪婪匹配，就是说尽可能多的匹配字符，加上一个?，则表示非贪婪匹配，尽可能少匹配字符

([\"\'])?：[\"\']，字符集，表示可接受单引号和双引号，\表示escaped sequence，就是转义字符，告知正则式引擎其后跟着的字符是文本，不要拿去做特殊解释（正则式语法中例如*.+\等等有特殊含义的字符称为元字符，meta-character）。()表示捕获，捕获匹配到的实际字符串，有两种用法，1，可在匹配完毕后使用match对象索引到，2，可在表达式中使用\?（这里?代表一个数字）来引用，比如\1，表示引用第一个括号捕获到的实际匹配的字符串

(?(1)(.*?)\\1|([^\s\>]+))：这里有个(?(condition)(exp1)|(exp2))结构，所谓条件匹配，就是说如果condition满足，则匹配exp1，不满足则匹配exp2，condition通常是个数字（在支持命名捕获的引擎中可以是名称）表示捕获的索引号（比如这里是第1个捕获）。这里\\1用法可能有误，如果是\\1则表示匹配一个字符\和一个字符1，我想他是不是想表达匹配\1，就是再次匹配之前1号捕获匹配到的字符串，搞不清具体是什么，得看表达式整体含义

[^>]*：[]中的首字母如果是^，则表示此集和中规定的字符是不满足匹配要求的（除外都是满足的）

最后是称为modifier，相当于引擎匹配时的参数，i表示忽略大小写，s表示将目标串视为单行的，x表示请正则式引擎忽略模式串（pattern）中的空白字符（回车换行制表符空格），这样的话，整个表达式可以分多行撰写，并加入一些注释什么的

ok，就这么多，整个意思写得有点罗嗦了，大体上是匹配形如：
<a href = "xxxx"> xxx </a>这种东西，用条件表达式主要是为了将引号配对匹配（这么看的话，刚刚的怀疑是对的应该是\1），缺乏足够的上下文语义判断也是正则语言的局限。