[正規表現]HTMLのstyle属性を含むタグを抜き出す

Question

HTMLの文字列からstyle属性を含むタグを抜きだそうと考えています。gtihubの方で以下のようなパターンを教えて頂いたのですが、見た目が複雑で完全に理解できておりません。

// パターン1
var sampleReg = /\<\s*([^\s\>]+)((?:[^\>]*\bid[ \t]*="([^"\\]*(?:\\.[^"\\]*)*)"|[^\>]*)[^\>]*)style="([^"\\]*(?:\\.[^"\\]*)*)"((?:[^\>]*\bid[ \t]*="([^"\\]*(?:\\.[^"\\]*)*)"|[^\>]*)[^\>]*\>)/g

特に上記の中でも、下記のコードの(?:\\.が何故必要なのか理解できていません。もしご存知の方がいらっしゃいましたら分かりやすく解説して頂けないでしょうか？何卒よろしくお願いいたします。

// パターン1の後半の一部
var sampleReg_part = /\bid[ \t]*="([^"\\]*(?:\\.[^"\\]*)*)"/g

なお、上記のコードはこのような意味だと認識しております。

1. \bid区切り文字とidの文字列を含む
2. [ \t]*文字列idの後ろに半角スペースやタブが0文字以上連続
3. ="文字列="を含む
4. [^"\\]*文字列"と\以外の文字0以上が連続
5. (?:\\.\と改行以外の1文字 ←何故？
6. [^"\\]* 4と同じ

Answer 1

?:について

上記は後方参照の対象とせずにグループ化だけを行うために、始まりの'('のあとにつけるものです。
この()で囲まれたものは後方参照の対象になりません(つまりメモリに持ちません)

そういう意味で?:がついているのだと思います。

Comments

[TEA]

非キャプチャーグループについて教えていただきまして、ありがとうございます。もし差し支えなければ、もう一つ伺ってもよろしいでしょうか？

5. (?:\\. → 非キャプチャーグループの定義 と、 \と改行以外の1文字

`?:`の後に続く、バックスラッシュは、何故必要なのでしょうか？ 一般的にHTMLのid属性 文字列にバックスラッシュが含まれるケースがあるのか、教えて頂けましたら幸いです(^^)

[kentei_syunrai]

HTML4.01でのIDの仕様
・半角英数字(a-z|A-Z|0-9)、ハイフン(-)、アンダースコア(_)、コロン(:)、ピリオド(.)
・値の最初の文字は半角英字(a-z|A-Z)であること。

しかし、HTML5では
・スペース文字(空白文字)の禁止を除く
以外の制限がなくなりました。
そのため、HTML5ではバックスラッシュが含まれるケースが考えられます。

[TEA]

ご返事が遅くなりましたが、詳しく教えて頂きましてありがとうございました！HTML5ではそのような仕様変更があったのですね。大変勉強になりました。