目前我正在学习正则表达式，有很多我不理解的东西。
我有一个带有表格的网站，我想要提取这些项目。其中一列可以包含修复值（在此示例中为“foo”）或不包含任何内容，其他列始终包含一些数据。它们的提取效果很好，但特殊列中的可选内容却没有。因此我使用像
这样的表达式<a id=x .*?>(.*?)</a>.*?<a id=y .*?>(.*?)</a>
我的实际问题是最终表达式的以下部分
... .*?(foo)?.*? ...
应该在其他单元格之间实现一个内容为foo的单元格，该单元格可能会丢失并且只应返回其中。我究竟做错了什么？一些基本的理解？
答案 0 :(得分：0)
在正则表达式.*?(foo)?.*?中，由于foo是可选的，因此正则表达式引擎只会查看文本中的当前位置。如果foo存在，则会包含在匹配中;否则，它会跳过而不检查根本没有foo。
您可以通过将正则表达式修改为(.*?foo|.*?).*?来稍微改变行为。正则表达式将尽力找到下一个foo。除非前面的字符串不包含foo，否则上面的正则表达式肯定会消耗foo。在regex-directed engine中，交替|不公平，在这种情况下，正则表达式引擎最好在尝试下一个之前匹配前面指定的引擎，如果匹配任何内容，那么它将继续on（除非前方有一些不匹配的东西然后它会转回并回溯）。
请注意，我上面演示的内容很可能不一个解决方案。您应该查看数据以查看是否有任何好的功能来限制字符的消耗方式，以便您可以区分匹配项。