从 HTML 中提取正则表达式和字符串

Question

如何修改以下字符串操作以在下面的 HTML 代码中查找“要提取的文本”？我不明白"(?<=')[^']+" 我知道这是一个正则表达式模式，我查看了一个网站，但我不明白它的逻辑......也许如果有人告诉我我的问题的方式，我可以更好地理解。 .

if let match = dataString?.range(of: "(?<=')[^']+", options: .regularExpression) {
                        print(dataString?.substring(with: match) as Any)

HTML 代码：

 <span class="phrase">Text to Extract</span></span></span></p> 

Answer 1

首先，https://regex101.com/ 是一个免费的在线资源，您可以在其中测试正则表达式，它会解释每个部分的作用。

正则表达式(?<=')[^']+可以分解如下

(?<=<token>) is a positive look-behind for a token. In this case, the char single-quote (')
[^<chars>] match anything not one of the following characters. In this case, the char single-quote (')
+ match the previous token 1 or more times. In this case, [^']

所以上面的正则表达式匹配两个'之间的任何东西。请注意，这没有打开和关闭的概念，因此a'b'c'd'e 将匹配b、c 和d。

要匹配文字短语，您只需在正则表达式中使用该短语（使用 \ 转义任何正则表达式特殊字符）。

如果您需要上下文感知（嵌套跟踪）提取，则任何正则表达式都将是固有错误的，您将需要一个 HTML 解析器来为您提取它。