递归正则 (?R)
首先，为什么要有递归正则这种方法？
两个目的：一、因为我们在从网站爬数据的过程中，经常会遇到数不清的嵌套结构，如果嵌套深度是不固定的，那么除了为每一种格式写一个正则以外，有没有什么好的办法可以自动适配这种格式呢？这就用到了递归。通过循环引用去匹配不同深度，不同样式的嵌套结构。二、通过递归引用，可以大幅提升正则的简洁诚度，在正则中直接引用之前的表达式，而不用复制。
递归就是引用自身，在正则里，就是引用整个表达式(?R)或指定子组(?n)
先从最简单的递归子组开始，通过方法(?n),n是整数,这个和上一节讲的后向引用如出一辙，只有一点关键不同：
就是普通后向引用\g{n}，引用的是子组的捕获值，而这里的递归引用(?n)，引用的却是子组的表达式！
来看一下差别，后向引用
(sens|respons)e and \g{n}ibility
匹配 ”sense and responsibility” 和 ”response and responsibility”，但是不匹配 ”sense and responsibility”.
如果用递归引用 (sens|respons)e and (?1)ibility ，它就会匹配 ”sense and responsibility”.
OK，热身完毕，进入正题。
递归正则几个基本的使用方法：
我们必须先了解这个，才能有助于我们读懂递归：
(?R)或(?n)引用的都是表达式，而非捕获值，这个和后向引用不一样，要注意区别；
(?R)在翻译的时候，可以理解为一个”占位符“。它的位置决定了下一次递归时，捕获值的插入位置。
(?R)表示递归整个表达式，无论它在什么位置。如果表达式中有锚点（比如^$）锚点也会参与递归，这样就会造成错误；解决方案是，将(?R)改为(?n)，整体引用改为指定递归子组引用。
(?R)与量词搭配使用时，量词使用不当会造成无限循环。比如，(?R)+表示的不是至少递归一次，而是表示(?R)+将始终保留在最后一轮的结果中，因为(?R)总是引用整个表达式，于是就会导致无限递归。同理(?R){3}这种表示严格递归三次的方式也是错误的，因为递归第三次后仍然保留了(?R)占位符及其量词{3}，这也将无限递归。
这就牵出了我要说的第4点，递归必须有终点Ending。所以，只有量词*或?和{0}等这种能在重复次数上表示递归0次的方式才是正确的递归正则表达式方法。因为无论递归多少次，最后一次的占位符的量词都可以是0次，从而达到递归的终点，即停止递归。
递归的匹配方式，是从外往里匹配，第0次递归是最外层，第1次递归调用，往里进一层，以此类推；
ok，我举几个直观的例子直观感受一下：
表达式`(abc)(123|def)(?R)?(xyz)`可以匹配什么样的字符串？我们拆开看一下：
先进行一轮匹配，(abc)(123|def)可以匹配对应字符串abc123或abcdef，
(?R)?如果取0次，则直接跳到结尾xyz，那么abc123xyz或abcdefxyz肯定是可以匹配的，
并成功退出；
如果(?R)?取1的话，进行第一次递归，则这时表达式可以翻译成：
(abc)(123|def)(abc)(123|def)(?R)?(xyz)(xyz)，
这时(?R)?可以再次取0，则表达式可以匹配abc123abcdefxyzxyz，abc123abc123xyzxyz,
abcdefabcdefxyzxyz, abcdefabc123xyzxyz，这4个字符串，并成功退出；
同理，我们还可以把(?R)?再取1，那么实际上这个表达式可以匹配
(abc(123|def)\*n+(xyz)\*n这种特征的字符串；
总结一下，首先(?R)的位置，决定了递归时，引用表达式的插入位置；其次(?R)引用的是表达式，而不是上一轮的匹配结果；再次(?R)?必须可以取0，这样才能退出，否则会无限循环下去，导致匹配失败；最后，特征匹配字符串时，总是从外向内进行匹配；
看到这里还没放弃的，递归正则就已经掌握了60%，我们再看一些进阶的用法。
我们再来看一个带锚点的递归，表达式^\(((?R)?|[^()]+)*\)$，可以匹配(z(y(x)y)z)么？
我们直接假设(?R)?取1时，表达式变为了^\(^\(((?R)?|[^()]+)*\)$[^()]+)*\)$，表达式中出现了2对儿开始和结尾的锚点，不可能匹配任何字符串，匹配失败。
那该如何修改呢？可以将表达式改为^(\(((?1)?|[^()]+)*\))$，这里的1，引用的是(\(((?1)?|[^()]+)*\))这个子组，不包含两端的锚点。
先看一下最核心的递归子组内部((?1)?|[^()]+)*，它表明要么进行0次或1次递归，要么匹配任意个非括号字符。后面量词*表示，可以同时重复多次这样分支结构((?1)?|[^()]+)((?1)?|[^()]+)((?1)?|[^()]+)((?1)?|[^()]+)....
现在来翻译一下这个表达式是如何匹配的:
重点解释一下第6步，当时这个也困扰了我很久。我们先回忆一下(a|b)*这个表达式的意义，这个表达式等价于(a|b)(a|b)(a|b)(a|b)...
那么((?1)?|[^()])*的含义是，在同一次递归中，我们可以去多次重复这个子组，所以我们在第一次和第二次递归时，将它重复了3次，并为不同子组中的(?1)?赋予了不同的值。当?=0时只匹配字符，当?=1时做一次递归。
那么在上面例子的正则表达式3阶递归展开后可以看成(AB(AB(ABC)BC)BC)这个结构，其中B指代((?1)?[^()]) A指代(，C指代)，这样就可以完美匹配(z(y(x)y)z)，当然，如果再推广一下，实际上这个表达式可以匹配任意ABC结构的嵌套组合，比如(AB(AB(ABC)BC(ABC))...大家可以试一下。
另外，不要忽视()中间那个分支符号|，它给了表达式更大的灵活度，（?1)?|[^()]+可以看作a|b模式；如果没有它，我们的特征就变成了ab|b，这是完全不一样的匹配特征，匹配灵活度也降低了很多。
通过上面的例子，我想揭示的是递归子组和分支结构+量词的搭配，可以实现非常灵活的匹配方式。
总结一下，这次介绍了递归子组，与后向引用的区别，以及递归正则的基本使用方法，并通过一个案例，配合讲解了递归与分支结构，量词的组合，最后再补充一点，递归引用中(?0)表达的含义和(?R)是一样的。
感谢阅读, 抛砖引玉, 如有不准确和错误之处请留言指正, 我会及时修正, 拜谢!
欢迎喜欢研究技术的小伙伴儿和我交流, 互相学习, 共同成长:)
总结不易，请勿私自转载，否则别怪老大爷不客气
参考资料：
www.php.net 官方文档
blog.csdn.net/technofiend… 理解正则表达式中的(?R)递归 作者：Technofiend
www.cnblogs.com/f-ck-need-u… 循序渐进掌握递归正则表达式 作者：骏马金龙
