JavaScript使用match()函数时如何标记行尾提取目标文本
无后置固定终止标识时,用match()提取目标行内文本的实现方案
原有代码完全依赖后置固定字符串做内容截断边界,当页面目标字符串后无这类可匹配标识时,可直接利用正则的多行模式特性,把当前行的行尾作为天然的终止边界,不需要额外寻找固定截断文本。
核心实现逻辑
- 原有代码中已经用到的
m正则修饰符,本身的作用就是把单行正则的匹配范围调整为逐行匹配,让正则中的$标记可以匹配每一行的行尾位置,而非仅匹配整个抓取页面源码的最末尾。 - 直接把原来正则中充当终止标识的
SOMETHING替换为行尾标记$,配合非贪婪匹配规则,就可以自动把"results of "锚点和当前行行尾之间的内容完整提取出来。
改造后的可直接运行的代码
var page = UrlFetchApp.fetch(link).getContentText(); // 匹配"results of "开头到当前行尾的文本,自动清理冗余空白字符 var date = page.match(/results of\s*(.*?)\s*$/m)[1].trim();
场景适配调整
如果提取时发现行尾带有零散HTML标签(比如<br>、</div>这类常见换行标签),只需要根据页面实际结构微调终止规则即可,不需要重新寻找跨页面统一的固定标识:
- 紧邻目标文本后是换行标签的场景,可以把终止条件换成标签匹配规则:
/results of\s*(.*?)\s*<br\s*\/?>/m - 目标文本本身是固定格式的日期结构时,可以直接跳过前后锚点,用日期特征精准匹配,不管前后文本是什么都能提取:
/(\d{4}\s+[A-Z]+\s+\d+\s+[A-Z]+)/,这种规则可以直接命中类似「2021 JANUARY 18 MONDAY」的目标格式文本,不受周边内容变动影响。
注意:如果运行后出现匹配不到内容的情况,优先检查抓取的页面源码中"results of "和目标日期是否处于同一行,只要两者在源码里是同一行内的文本,上述规则就可以稳定提取。
内容的提问来源于stack exchange,提问作者user3316048
相关产品推荐
相关产品推荐

