regex - 正则表达式应匹配链接文本和未链接文本

Question

我有这个正则表达式：

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

现在，这应该与此文本匹配：

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

或者没有<a>标签，像这样：

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

没有<a>标签，正则表达式工作得很好，问题是，在第一个例子中，我得到了这个匹配：

Hi there</a>

我读过关于忽略分组的文章，(?:regex)但我不知道为什么它坚持包含结束</a>标签什么正则表达式会忽略结束</a>标签，所以我只会在那里得到你好？

Answer 1

(.*)您正在捕获的 是贪婪的，并且在(?:<.*?>)?它之后是可选的，因此(.*)将始终包含</a>. 要解决此问题，请将其更改.*为.*?惰性（匹配尽可能少的字符：

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

但不要使用正则表达式解析 HTML。