使用惰性正则表达式从 Google 文档中提取所有标签

Question

我有一个包含 <dear> <person> 行的 Google Docs 文档，我希望 FindText 一次返回一个标签。我用这条线：

Logger.log(body.findText("<.*?>").getElement().getText());

它记录<dear> <person> 而不仅仅是<dear>。 我猜由于某种原因，匹配在“惰性”模式下不起作用，但我在https://regex101.com 上运行它，它将两个标签显示为两个不同的匹配项。

我做错了什么？

Answer 1

问题不在于懒惰；您的正则表达式 很懒惰。方法findText 返回一个RangeElement，其中包含有关匹配开始和结束的信息。问题是你调用 getElement ，它返回包含匹配的整个元素。所以结果是包含匹配文本的整个段落（或另一个元素）。

要正确提取匹配文本，使用isPartial检查匹配是否只是元素的一部分；如果是这样，请取开始和结束位置并对文本进行切片，如下所示。

function search() {
  var body = DocumentApp.getActiveDocument().getBody();
  var pattern = "<.*?>";
  var found = body.findText(pattern);
  while (found) {
    var text = found.getElement().getText();
    if (found.isPartial()) {
      var start = found.getStartOffset();
      var end = found.getEndOffsetInclusive();
      text = text.slice(start, end+1);
    }
    Logger.log(text);
    found = body.findText(pattern, found);
  }
}

注意事项：

• 在 Apps 脚本中，结束偏移量包括在内；在String.slice 方法中不是。这就是 end+1 在 slice 中的原因。
• 循环是返回所有结果所必需的。 findText 仅找到一个匹配项，此处称为 found。然后将此匹配作为第二个参数传递给findText，以便找到下一个匹配。