式一：http(s)?://([\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)?内容：<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en-US" lang="en-US">选出内容：http://www.w3.org/1999/xhtml
——————————————————————————————————————————式二：(?<=<title\s*[^>]*>).*(?=<\/title>)内容： <title>World Wide Web Consortium - Web Standards</title>选出内容：World Wide Web Consortium - Web Standards
——————————————————————————————————————————对正则表达不是很了解，上午发个帖子问了网页采集的问题，然后有朋友给了例子，就是没看懂这几个正则表达式。求高手详细分析下这两个式子，以及为什么选出这样的结果。
——————————————————————————————————————————式二：(?<=<title\s*[^>]*>).*(?=<\/title>)内容： <title>World Wide Web Consortium - Web Standards</title>选出内容：World Wide Web Consortium - Web Standards
——————————————————————————————————————————对正则表达不是很了解，上午发个帖子问了网页采集的问题，然后有朋友给了例子，就是没看懂这几个正则表达式。求高手详细分析下这两个式子，以及为什么选出这样的结果。
(s)? 这里的()用得完全没有道理，画蛇添足，降低匹配效率，直接https?//就是了
([\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)? 这个没什么好解释的，用来验证规则还好，用来提取就是本末倒置了，只会降低匹配效率
式二：(?<=<title\s*[^>]*>).*(?=<\/title>) 这个式子多少还说得过去，只是其中的“.*”用得不太合适
(?<=<title\s*[^>]*>) 逆序环视，表示所在位置的左侧是<title...>标签，可以认为是一个附加条件，匹配的内容并不计入匹配结果
(?=<\/title>) 顺序环视，表示所在位置右侧是</title>，如果是用在.NET程序中，“/”不需要转义，如果是用在javascript中，一般情况下需要转义
.* 属于贪婪模式，在匹配成功的前提下，会尽可能多的匹配，这也就追成了先是过多的匹配，然后再进行多次回溯以达到整个表达式匹配成功的目的，会降低匹配效率，可以优化为
(?<=<title\s*[^>]*>)(?:(?!</title>).)*(?=</title>)
根据应用环境，如果是.NET中，可以进一步优化为
(?<=<title\s*[^>]*>)(?>(?:(?!</title>).)*)(?=</title>)
我在整理，不过由于最近工作忙，什么时候整理出来就不一定了，在这之前，推荐你看这篇文章
http://www.regexlab.com/zh/regref.htm