如何用Swift RegexBuilder提取HTML嵌套<ul>标签中的内容？

你遇到的核心问题是正则默认的贪婪匹配会让外层<ul>提前匹配到内层的</ul>，要解决嵌套标签的匹配，需要通过递归正则结构识别嵌套的<ul>块，确保每个<ul>都匹配到对应的闭合标签。

测试用HTML示例 #

<ul>
  <li>Item 1</li>
  <li>Item 2
    <ul>
      <li>Subitem 2.1</li>
      <li>Subitem 2.2</li>
    </ul>
  </li>
  <li>Item 3</li>
</ul>

完整实现代码 #

import Foundation

func extractULBlocks(from html: String) -> (outerBlock: String?, innerBlock: String?) {
    // 定义支持嵌套的<ul>匹配正则
    let ulRegex = Regex {
        let nestedUL = Reference(Regex<Substring>.self)
        
        "<ul>"
        ZeroOrMore(.whitespaceAndNewline)
        // 捕获<ul>内部的内容（不含标签本身）
        Capture {
            OneOrMore {
                ChoiceOf {
                    // 非贪婪匹配非<ul>/</ul>的内容，避免提前终止
                    OneOrMore(.any, .reluctant)
                    // 递归匹配嵌套的<ul>结构
                    nestedUL
                }
            }
        }
        ZeroOrMore(.whitespaceAndNewline)
        "</ul>"
    }
    
    // 提取外层<ul>内部内容
    guard let outerMatch = html.firstMatch(of: ulRegex) else {
        return (nil, nil)
    }
    let outerBlock = String(outerMatch.output.1)
    
    // 从外层内容中提取内层<ul>内部内容
    guard let innerMatch = outerBlock.firstMatch(of: ulRegex) else {
        return (outerBlock, nil)
    }
    let innerBlock = String(innerMatch.output.1)
    
    return (outerBlock, innerBlock)
}

// 调用示例
let testHTML = """
<ul>
  <li>Item 1</li>
  <li>Item 2
    <ul>
      <li>Subitem 2.1</li>
      <li>Subitem 2.2</li>
    </ul>
  </li>
  <li>Item 3</li>
</ul>
"""

let result = extractULBlocks(from: testHTML)
print("外层列表内容：\n\(result.outerBlock ?? "未找到")")
print("\n内层列表内容：\n\(result.innerBlock ?? "未找到")")

关键逻辑说明 #

1. 递归正则片段：用Reference定义nestedUL，实现对嵌套<ul>结构的递归匹配，确保外层<ul>只会匹配到自己对应的</ul>。
2. 非贪婪匹配：OneOrMore(.any, .reluctant)采用非贪婪模式，避免提前吃掉后续的<ul>或</ul>标签。
3. 结构适配：针对你提到的「结构简单规范」的HTML，无需处理标签属性、注释等复杂场景，该正则足够覆盖需求。

如果需要提取包含<ul>和</ul>标签的完整块，只需调整Capture的范围，将整个<ul>...</ul>包裹进去即可。

内容的提问来源于stack exchange，提问作者Patrick Bauers