使用 findText() 从 URL 获取路径元素

Question

假设您在 Google 文档中有以下段落，并且您想从与汽车相关的 url 中提取元素。

一些包含一些数据的段落有一个 url http://example.com/ford/some/other/data.html。还有另一个链接：http://example.com/ford/latest.html。

我正在寻找的是从这一段中拉出“福特”，以便我可以使用它。为了简单起见，我知道段落编号，我将在下面将其称为“1”。

我试过了：

function getData() {
  var paragraphs = DocumentApp.getActiveDocument().getBody().getParagraphs();
  var element = paragraphs[1];
  var re = element.findText('http://example.com/([a-z])+/');
  var data = re.getElement().asText().getText();
  Logger.log(data);
}

问题在于data 包含整个段落文本。

还有没有办法从捕获组中捕获和使用数据，也就是 () 中的内容？

Answer 1

我相信你的目标如下。

• 您想使用 Google Apps 脚本从 http://example.com/ford/latest.html 和 http://example.com/ford/some/other/data.html 等值中检索 ford 的值。
• 这些值被放入 Google 文档中。

对于这个，这个修改怎么样？

修改点：

在您的脚本中，当element.findText('http://example.com/([a-z])+/') 有值时，re.getElement().asText().getText() 是段落的文本。在这种情况下，发现element.findText()模式下的文本包含在element中。使用它，如何从re.getElement().asText().getText() 中检索ford 之类的值？

修改脚本：

从：

var data = re.getElement().asText().getText();
Logger.log(data);

到：

if (re) {
  var data = [...re.getElement().asText().getText().matchAll(/http:\/\/example\.com\/([\w\S]+?)\//g)];
  console.log(data.map(([,e]) => e));
} else {
  throw "Not match."
}

• 当段落没有与您的正则表达式匹配的值时，re 是null。请小心。

注意：

• 请使用启用 V8 的脚本。

参考：

• matchAll()

Answer 2

作为对 Tanaike 的补充，此答案旨在说明如果您必须使用 findText() 方法（例如同时更改元素属性、突出显示匹配范围等）可以做什么。

---

问题是“数据”现在是整个段落

嗯，这正是由于提供的说明：

1. getElement() 的结果是Element 本身。
2. asText() 在Element 上的结果是Text 实例。
3. getText() 在Text 上的结果是，引用文档：

元素的内容作为文本字符串

---

有没有办法捕获和使用数据

在撰写本文时，findText() 似乎不可能按照 docs 引用，以供后代参考：

不完全支持 JavaScript 正则表达式功能的子集，例如捕获组和模式修饰符。

---

怎么办？

找到匹配项后，findText() 会返回一个 RangeElement 实例，该实例有两个感兴趣的方法：getStartOffset() 和 getEndOffsetInclusive()。这些方法的返回值指向元素文本内容的字符索引。因此，可以通过substring()方法（或slice()）提取匹配的子字符串。

您可以使用findText()方法的from参数递归迭代匹配结果以获得所有匹配范围。

/**
 * @summary pattern wrapper
 * @param {string} linkPattern
 * @param {RegExp} [infoPattern]
 */
const matchText = (linkPattern, infoPattern) => 

  /**
   * @summary finds links in text elements
   * @param {GoogleAppsScript.Document.Paragraph} elem
   * @param {string} [text]
   * @param {GoogleAppsScript.Document.RangeElement} [from]
   * @param {string[]} [matches]
   * @returns {string[][]}
   */ 
  (elem, text = elem.getText(), from, matches = []) => {

    const match = from ? 
      elem.findText(linkPattern, from) : 
      elem.findText(linkPattern);

    if(match) {
       const rangeStart = match.getStartOffset();
       const rangeEnd = match.getEndOffsetInclusive();

       const link = text.substring( rangeStart, rangeEnd + 1 );
       const [ full, ...groups ] = link.match( infoPattern );

       matches.push(groups);

       return matchText(linkPattern, infoPattern)(elem, text, match, matches);
    }

    return matches;
  }

用于测试的驱动脚本：

function findText() {
  const doc = getTestDoc(); //gets doc somehow, not provided here

  const body = doc.getBody();

  const par = body.appendParagraph("Some paragraph with some data in it https://example.com/ford/some/other/data.html.\nThere is another link also here https://example.com/ford/latest.html.");

  const pattern = 'http(?:s)*:\/\/(?:www\.)*example\.com\/\\w+';
  const targetPattern = /\/(\w+)$/;

  const results = matchText(pattern,targetPattern)(par);

  Logger.log(results); //[[ford], [ford]]
}

备注

1. 好奇的观察：显然，要将标记（\w、\s 等）传递给表达式 string，必须转义反斜杠（例如 \\w 将被解析正确）。
2. 请注意，上面的解决方案返回一个string[][] 以提取所有捕获组（）
3. 上面的示例代码是为 V8 运行时设计的。

参考文献

1. getElement()spec
2. asText()spec
3. getText()spec
4. findText()spec
5. getStartOffset()spec
6. getEndOffsetInclusive()spec
7. substring() docs 在 MDN 上