在AppScript中用正则匹配HTML元素内最后出现的数字页码

问题根源 #

你当前的正则存在三个核心问题：

1. 转义处理错误：使用new RegExp构造正则时，字符串内的反斜杠需要双重转义，原写法的转义逻辑混乱导致匹配失效。
2. 未排除“下一页”按钮：没有过滤带有next类的<a>标签，会误匹配到按钮链接里的数字（比如示例中的49）。
3. 重复组捕获逻辑错误：带重复量词的非捕获组无法保留最后一次匹配的结果，捕获组会被覆盖。

修正后的正则与代码 #

我们需要精准匹配最后一个不带next类的page-numbers标签内的数字，以下是可行的实现：

function getTotalPages() {
  const url = 'https://example.com';
  const response = UrlFetchApp.fetch(url);
  const html = response.getContentText();
  
  // 匹配最后一个符合要求的页码标签
  const regex = /.*<a class="page-numbers"(?!.*next)[^>]*>(\d+)<\/a>/;
  const match = html.match(regex);
  
  // 生成指定格式的结果
  const result = match && match[1] ? `Total pages: ${match[1]}` : "Total pages: 0";
  
  SpreadsheetApp.getActiveSheet().getRange('a2').setValue(result);
}

正则逻辑说明 #

• .*：贪婪匹配所有前置内容，确保定位到最后一个符合条件的页码标签
• <a class="page-numbers"(?!.*next)：匹配带有page-numbers类但不包含next类的<a>标签，直接排除“下一页”按钮
• [^>]*>：匹配标签内的任意属性内容，直到标签结束
• (\d+)：捕获标签内的数字页码
• <\/a>：匹配标签闭合部分

内容的提问来源于stack exchange，提问作者James Osborne