Regex 为什么我的preg_match_all语句捕获的内容比它应该捕获的要多？

我正在清理内容并将其迁移到新网站。在某些现有页面中，有嵌入的图像链接到非标准文件夹中的文件

我从数据库中提取记录，然后进行“preg_match_all”以捕获违规项目。我的目的是清理文件名，移动有问题的文件，然后更新数据库条目以反映新位置

然而，出于某种原因，我的regex语句似乎只找到了一个匹配项（已知的多个潜在命中数），有时似乎捕获了我想要的字符串下游的全部其他内容

这是我正在使用的表达式模式：

(?i)(<img.*src="uploads/RTEmagicC_(.*)")/

（？i）(
这是我匹配的数据库内容的一个示例：

BLAH BLAH BLAH<img src="uploads/RTEmagicC_Herpes_simpex_virus.jpg.jpg" alt="HSV particles" style="FLOAT: left; WIDTH: 214px; HEIGHT: 198px" title="Electron micrograph of HSV particles©NASA">blah blah blah<img src="uploads/RTEmagicC_Herpes_labialis_01.jpg.jpg" alt="Coldsore" style="FLOAT: right;" title="Cold sore on the lower lip (cluster of fluid-filled blisters = very infectious). These infections may appear on the lips, nose or in surrounding areas.©Metju12" width="238" height="178">blah blah blah

废话废话废话废话废话废话

我试图抓住：

“Herpes_simpex_virus.jpg.jpg”

和

“Herpes_labialis_01.jpg.jpg”

以及相应的完整链接，例如：

“img src=“uploads/RTEmagicC\u Herpes\u simpex\u virus.jpg.jpg”

但是除了关闭文件名的

“

，它还匹配了一堆下游内容

有人能帮我摆脱痛苦吗？我已经试了几个晚上了，很明显我在做一些愚蠢的事情，但我看不到什么

---

非常感谢。

默认情况下，regex是贪婪匹配的，因此

*

尽可能匹配，包括其他

“

直到最后一个

”

它可以找到。在

img

之后使用的

*

也是如此。您可以使用惰性匹配，通过向您的量词添加

？

来匹配尽可能少的匹配，因此在您的情况下，这将是

（？i）

对于您的测试字符串，您不需要一个
*？
，一个简单的
\s+
（匹配一个或多个空格字符）就足够了-但这可能不是所有数据的情况。您还可以将第二个
*？
替换为
[^]*
，匹配任意数量的非引号。
非常感谢；但是，我现在没有捕获RTEMGICC位下游的文件名。结果是：0=>''抱歉-在我有机会完成键入之前就发布了。非常感谢-#（？I）（不要使用正则表达式来解析HTML，请使用像
DOMDocument
这样的HTML解析器。谢谢；但我必须承认，我不知道怎么做，也不知道不使用正则表达式背后的原理。你能解释一下，或者给我一个参考吗？谢谢你@Barmar注意投票数第二高的答案，OP似乎很了解我们我会告诉你他想从内容中得到什么。