regex - Swift 2 正则表达式意外行为

Question

我正在尝试从 HTML 字符串中提取信息，但得到了意外的结果。我使用的代码如下:

let html: NSString? = "<tbody><tr><td sortkey=\"20151003\">03 Oct 2015</td><td>8,852.61</td><td>1,383.68</td><td>Text</td></tr><tr><td sortkey=\"20151004\">04 Oct 2015</td><td>2,577.14</td><td>282.49</td><td>Text</td></tr></tbody>"

let rowPattern = "<tr>\\s*<td s.*?<\\/tr>"
let rowRegex = try! NSRegularExpression(pattern: rowPattern, options: [])
let rowMatches = rowRegex.matchesInString(String(html), options: [], range: NSMakeRange(0, html!.length))

for rowMatch in rowMatches {
    let rowString: NSString = html!.substringWithRange(rowMatch.resultByAdjustingRangesWithOffset(-9).range)

    print(rowString)

    let valPattern = "<td>(.*?)<\\/td>|<td.*?\"(.*?)\">.*?<\\/td>"
    let valRegex = try! NSRegularExpression(pattern: valPattern, options: [])
    let valMatches = valRegex.matchesInString(String(rowString), options: [], range: NSMakeRange(0, rowString.length))

    for valMatch in valMatches {
        print(valMatch.rangeAtIndex(1))
        // let value = rowString.substringWithRange(valMatch.rangeAtIndex(1))
        // print(value)
    }
}

输出是:

<tr><td sortkey="20151003">03 Oct 2015</td><td>8,852.61</td><td>1,383.68</td><td>Text</td></tr>
(9223372036854775807,0)
(47,8)
(64,8)
(81,4)

首先，请注意，我需要将 rowMatch 的范围偏移 -9 才能获得正确的结果。我不知道为什么会这样。

其次，第一个匹配项返回的范围是 (9223372036854775807,0)，这显然不正确并引发错误。再说一遍，我不明白这里出了什么问题，但我怀疑这可能是我的正则表达式模式的问题。其他范围都是正确的。

仅供引用，print(value) 的预期输出为:

20151003
8,852.61
1,383.68
Text

编辑:

经过进一步的实验，我发现了以下内容:

valMatches[0].rangeAtIndex(2) 给出第一个匹配的正确范围，但其余匹配则需要 valMatches[0].rangeAtIndex(1)。我不确定这是否是正确的行为，或者是否是 @t4nhpt 在下面的答案中建议的错误。不管怎样，如果有人能解释一下发生了什么，那就太好了。

Answer 1

第一个问题是 let html: NSString? = "..."是一个可选， 因此String(html)评估为

Optional(...)

神秘的偏移量9是“Optional(”:)的长度

要解决这个问题，您可以解开 String(html!)或声明html 作为非可选项。无论哪种情况，resultByAdjustingRangesWithOffset(-9)没有必要。

---

第二个问题是您的捕获组中有两个捕获组 图案:

let valPattern = "<td>(.*?)<\\/td>|<td.*?\"(.*?)\">.*?<\\/td>"

<td>8,852.61</td>与第一个选项匹配，因此 第一个捕获组匹配 8,852.61 ， 以便 rangeAtIndex(1)设置为该字符串的范围，并且 rangeAtIndex(2)设置为(NSNotFound, 0) .

<td sortkey="20151003">03 Oct 2015</td>匹配第二个 替代方案，因此rangeAtIndex(2)被设置为 范围 20151003和rangeAtIndex(1)是 (NSNotFound, 0) .

NSNotFound定义为Int.max那就是2^63 - 1 = 9223372036854775807在 64 位平台上。

---

把它们放在一起，这给出了预期的结果:

let html: NSString = "<tbody><tr><td sortkey=\"20151003\">03 Oct 2015</td><td>8,852.61</td><td>1,383.68</td><td>Text</td></tr><tr><td sortkey=\"20151004\">04 Oct 2015</td><td>2,577.14</td><td>282.49</td><td>Text</td></tr></tbody>"

let rowPattern = "<tr>\\s*<td s.*?<\\/tr>"
let rowRegex = try! NSRegularExpression(pattern: rowPattern, options: [])
let rowMatches = rowRegex.matchesInString(String(html), options: [], range: NSMakeRange(0, html.length))

for rowMatch in rowMatches {
    let rowString: NSString = html.substringWithRange(rowMatch.range)

    print("rowString=\(rowString)")

    let valPattern = "<td>(.*?)<\\/td>|<td.*?\"(.*?)\">.*?<\\/td>"
    let valRegex = try! NSRegularExpression(pattern: valPattern, options: [])
    let valMatches = valRegex.matchesInString(String(rowString), options: [], range: NSMakeRange(0, rowString.length))

    for valMatch in valMatches {
        if valMatch.rangeAtIndex(1).location != NSNotFound {
            let value = rowString.substringWithRange(valMatch.rangeAtIndex(1))
            print(value)
        }
        if valMatch.rangeAtIndex(2).location != NSNotFound {
            let value = rowString.substringWithRange(valMatch.rangeAtIndex(2))
            print(value)
        }
    }
}

输出:

rowString=<tr><td sortkey="20151003">03 Oct 2015</td><td>8,852.61</td><td>1,383.68</td><td>Text</td></tr>
20151003
8,852.61
1,383.68
Text
rowString=<tr><td sortkey="20151004">04 Oct 2015</td><td>2,577.14</td><td>282.49</td><td>Text</td></tr>
20151004
2,577.14
282.49
Text