regex - 正規表現は、リンクされたテキストとリンクされていないテキストに一致する必要があります

Question

私はこの正規表現を持っています：

<li><i>(?:<a.*?>)?(.*)(?:<.*?>)?</i></li>

これで、これは次のテキストと一致するはずです。

<li><i><a href="hello.htm">Hi there</a></i></li>

または<a>タグなしで、次のように：

<li><i>42nd Street</i></li>

タグがなくても<a>、正規表現は問題なく機能します。問題は、最初の例では、次のように一致することです。

Hi there</a>

でのグループ化を無視することについて読んだことが(?:regex)ありますが、なぜそれが終了タグを含めることを主張するのかわかりません。</a>どの正規表現が終了</a>タグを無視するので、そこにのみこんにちはが表示されますか？

Answer 1

キャプチャしている(.*)ものは貪欲であり、(?:<.*?>)?その後はオプションであるため、(.*)には常にが含まれます</a>。これを修正するには、をに変更し.*て.*?怠惰にします（できるだけ少ない文字に一致させます：

<li><i>(?:<a.*?>)?(.*?)(?:<.*?>)?</i></li>

ただし、正規表現を使用してHTMLを解析しないでください。