[使用findText（）从URL获取路径元素

Question

假设您在Google文档中有以下段落，并且想要从与汽车相关的网址中提取元素。

其中包含一些数据的某些段落的网址为http://example.com/ford/some/other/data.html。还有另一个链接：http://example.com/ford/latest.html。

我正在寻找的是从本段中删除“ ford”，以便我可以使用它。为了简单起见，我知道该段号，下面我将其称为“ 1”。

我尝试过：

function getData() {
  var paragraphs = DocumentApp.getActiveDocument().getBody().getParagraphs();
  var element = paragraphs[1];
  var re = element.findText('http://example.com/([a-z])+/');
  var data = re.getElement().asText().getText();
  Logger.log(data);
}

问题是data包含整个段落文本。

还有一种方法可以捕获和使用捕获组中的数据，也就是（）中的内容？

Answer 1

我相信您的目标如下。

• 您想使用Google Apps脚本从ford和http://example.com/ford/latest.html之类的值中检索http://example.com/ford/some/other/data.html的值。
• 这些值放在Google文档中。

为此，此修改如何？

修改点：

在您的脚本中，当element.findText('http://example.com/([a-z])+/')具有值时，re.getElement().asText().getText()是该段落的文本。在这种情况下，发现具有element.findText()的图案的文本包括在element中。使用此方法，如何从ford中检索re.getElement().asText().getText()之类的值？

修改的脚本：

从：

var data = re.getElement().asText().getText();
Logger.log(data);

至：

if (re) {
  var data = [...re.getElement().asText().getText().matchAll(/http:\/\/example\.com\/([\w\S]+?)\//g)];
  console.log(data.map(([,e]) => e));
} else {
  throw "Not match."
}

• [当段落中没有与正则表达式匹配的值时，re为null。请小心。

注意：

• 请在启用V8的情况下使用脚本。

参考：

• matchAll()

Answer 2

作为对Tanaike的补充，该答案旨在说明如果必须使用findText()方法（例如同时更改元素属性，突出显示匹配范围等）可以做什么。

---

问题是“数据”现在是整个段落

嗯，这完全是由于提供的提示：

1. getElement()的结果是Element本身。
2. asText()上的Element的结果是Text实例。
3. getText()上的Text的结果是，引用文档：

元素的内容为文本字符串

---

有没有一种捕获和使用数据的方法

在撰写本文时，findText()似乎无法按照docs引用，以供后代引用：

不完全支持JavaScript正则表达式功能的子集，例如捕获组和模式修饰符。

---

该怎么办？

[找到匹配项时，findText()返回一个RangeElement实例，该实例具有两种感兴趣的方法：getStartOffset()和getEndOffsetInclusive()。这些方法的这些返回值指向元素的文本内容的字符indices。因此，可以通过substring()方法（或通过slice()）提取匹配的子字符串。

您可以递归地使用from方法的findText()参数来遍历匹配结果以获得所有匹配范围。

/**
 * @summary pattern wrapper
 * @param {string} linkPattern
 * @param {RegExp} [infoPattern]
 */
const matchText = (linkPattern, infoPattern) => 

  /**
   * @summary finds links in text elements
   * @param {GoogleAppsScript.Document.Paragraph} elem
   * @param {string} [text]
   * @param {GoogleAppsScript.Document.RangeElement} [from]
   * @param {string[]} [matches]
   * @returns {string[][]}
   */ 
  (elem, text = elem.getText(), from, matches = []) => {

    const match = from ? 
      elem.findText(linkPattern, from) : 
      elem.findText(linkPattern);

    if(match) {
       const rangeStart = match.getStartOffset();
       const rangeEnd = match.getEndOffsetInclusive();

       const link = text.substring( rangeStart, rangeEnd + 1 );
       const [ full, ...groups ] = link.match( infoPattern );

       matches.push(groups);

       return matchText(linkPattern, infoPattern)(elem, text, match, matches);
    }

    return matches;
  }
用于测试的驱动程序脚本：

function findText() {
  const doc = getTestDoc(); //gets doc somehow, not provided here

  const body = doc.getBody();

  const par = body.appendParagraph("Some paragraph with some data in it https://example.com/ford/some/other/data.html.\nThere is another link also here https://example.com/ford/latest.html.");

  const pattern = 'http(?:s)*:\/\/(?:www\.)*example\.com\/\\w+';
  const targetPattern = /\/(\w+)$/;

  const results = matchText(pattern,targetPattern)(par);

  Logger.log(results); //[[ford], [ford]]
}
Notes

1. 好奇的观察：显然，要将令牌（\w，\s等）传递给表达式string，必须转义反斜杠（例如，将正确解析\\w）。] >
2. 请注意，上述解决方案返回string[][]以提取所有捕获组（）
3. 上面的示例代码是为V8运行时设计的。

参考

1. [getElement() spec
2. [asText() spec
3. [getText() spec
4. [findText() spec
5. [getStartOffset() spec
6. [getEndOffsetInclusive() spec
7. MDN上的[substring() docs