Swift使用HTMLKit解析DOM提取span元素相邻的AM/PM值
原代码核心逻辑缺陷
- 循环遍历span元素时,完全没有使用闭包传入的当前span上下文,每次都调用全局
document.querySelector("dt")获取文档中第一个匹配的dt元素,和当前遍历的节点无关联,导致所有循环拿到的都是同一个固定值,出现重复输出 - 提取目标完全错位:需求是抓取span后紧邻的AM/PM文本,代码却错误返回dt元素的
elementId,没有指向目标内容 - AM/PM是span元素的无标签文本兄弟节点,无法通过CSS选择器直接定位,必须基于DOM节点的相邻关系读取文本内容
修正后的实现方案
针对上述问题,调整逻辑为:遍历目标span时,基于当前span的相邻兄弟节点查找文本内容,过滤空白字符后提取AM/PM标识。
修正后的完整代码:
let ampmList: [String] = document.querySelectorAll("dd > span").compactMap { currentSpan in // 从当前span的下一个节点开始向后遍历 var siblingNode: DOMNode? = currentSpan.nextSibling while let node = siblingNode { // 仅处理文本节点,过滤前后空白字符 guard node.nodeType == .textNode, let rawText = node.textContent?.trimmingCharacters(in: .whitespacesAndNewlines), rawText.isEmpty == false else { siblingNode = node.nextSibling continue } // 匹配文本中的AM/PM标识 if let matchRange = rawText.range(of: #"^(AM|PM)"#, options: .regularExpression) { return String(rawText[matchRange]) } siblingNode = node.nextSibling } return nil }
调整后的逻辑说明
- 选择器限定为
dd > span,排除页面中其他无关的span元素,减少无效遍历 - 每个循环内完全基于当前遍历的span节点的DOM相邻关系查找内容,不再调用全局文档查询逻辑,从根源上避免固定值重复返回的问题
- 自动跳过节点间的空白、换行、制表符内容(对应HTML中span后大量的缩进空格)
- 兼容文本节点内夹杂多余空格的场景,精准提取AM/PM标识
内容的提问来源于stack exchange,提问作者saud alfalasi
相关产品推荐
相关产品推荐

