使用正则表达式从HTML提取关联的年份、金额及余额数组

问题分析 #

你之前的正则仅匹配数字/数字组，未关联数组变量名，因此无法区分数据属于years/amounts/balances中的哪一个。需要针对每个目标数组编写精准匹配变量定义+数组内容的正则，再提取对应元素。

正则方案 #

针对三个数组的不同数据类型（字符串年份、浮点金额、整数余额），分别使用如下正则：

• 匹配years数组：var years = \['([^']+(?:',\s*'[^']+)*)'\];
  捕获组1会得到用, '分隔的年份字符串（比如2020', '2021', '2022）
• 匹配amounts数组：var amounts = \[([\d.]+(?:,\s*[\d.]+)*)\];
  捕获组1会得到用, 分隔的浮点数字符串（比如1269.2358, 1456.557, 1546.8768）
• 匹配balances数组：var balances = \[([\d]+(?:,\s*[\d]+)*)\];
  捕获组1会得到用, 分隔的整数字符串（比如3484626, 3683646, 3683070）

Swift 实现代码 #

以下是完整的Swift代码示例，包含正则匹配、元素提取和类型转换：

import Foundation

// 假设你已经从HTML中提取到的目标JS代码片段
let jsCode = """
$(document).ready(function() {

var years = ['2020','2021','2022'];
var currentView = 0;
var amounts = [1269.2358,1456.557,1546.8768];
var balances = [3484626,3683646,3683070];

rest of the html code
"""

// 1. 提取years数组
func extractYears(from jsCode: String) -> [Int]? {
    let pattern = #"var years = \['([^']+(?:',\s*'[^']+)*)'\];"#
    guard let regex = try? NSRegularExpression(pattern: pattern),
          let match = regex.firstMatch(in: jsCode, range: NSRange(jsCode.startIndex..., in: jsCode)),
          let captureRange = Range(match.range(at: 1), in: jsCode) else {
        return nil
    }
    let yearStrings = String(jsCode[captureRange]).split(separator: "', '").map(String.init)
    return yearStrings.compactMap(Int.init)
}

// 2. 提取amounts数组
func extractAmounts(from jsCode: String) -> [Double]? {
    let pattern = #"var amounts = \[([\d.]+(?:,\s*[\d.]+)*)\];"#
    guard let regex = try? NSRegularExpression(pattern: pattern),
          let match = regex.firstMatch(in: jsCode, range: NSRange(jsCode.startIndex..., in: jsCode)),
          let captureRange = Range(match.range(at: 1), in: jsCode) else {
        return nil
    }
    let amountStrings = String(jsCode[captureRange]).split(separator: ", ").map(String.init)
    return amountStrings.compactMap(Double.init)
}

// 3. 提取balances数组
func extractBalances(from jsCode: String) -> [Int]? {
    let pattern = #"var balances = \[([\d]+(?:,\s*[\d]+)*)\];"#
    guard let regex = try? NSRegularExpression(pattern: pattern),
          let match = regex.firstMatch(in: jsCode, range: NSRange(jsCode.startIndex..., in: jsCode)),
          let captureRange = Range(match.range(at: 1), in: jsCode) else {
        return nil
    }
    let balanceStrings = String(jsCode[captureRange]).split(separator: ", ").map(String.init)
    return balanceStrings.compactMap(Int.init)
}

// 使用示例
if let years = extractYears(from: jsCode) {
    print("提取的年份：\(years)")
}
if let amounts = extractAmounts(from: jsCode) {
    print("提取的金额：\(amounts)")
}
if let balances = extractBalances(from: jsCode) {
    print("提取的余额：\(balances)")
}

关键说明 #

• 正则中的(?:...)是非捕获组，用来匹配重复的元素分隔模式，不会额外生成无用的捕获组
• 使用compactMap处理类型转换，自动过滤转换失败的元素（比如格式错误的数字）
• 代码中的#""#是Swift的多行字符串字面量，避免转义字符的繁琐处理

内容的提问来源于stack exchange，提问作者Bart