Почему мой XPath с регулярным выражением не соответствует? - PullRequest
Новая
       31

Почему мой XPath с регулярным выражением не соответствует?

3 голосов
/ 10 января 2020

Я хотел бы использовать Xidel для выбора тега <section> с class="body", если он содержит дату в формате YYYY.M(M).D(D), чтобы найти и извлечь одну указанную c строку, которая имеет 8 символов и может содержать символы и цифры.

Пример ввода HTML: 

<section class="body">
Start 2019.1.12

Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry's standard dummy text ever since the 1500s, when an unknown printer took a galley of type and scrambled it to make a type specimen book. It has survived not only five centuries, but also the leap into electronic typesetting, remaining essentially unchanged. It was popularised in the 1960s with the release of Letraset sheets containing Lorem Ipsum passages, and more recently with desktop publishing software like Aldus PageMaker including versions of Lorem Ipsum.

thi1te_t

</section>

Команда: 

xidel -s input.html -e "//*[@class='body' and contains(text(),'(20\d{2}).(\d{1,2}).(\d{1,2})')]"

По некоторым причинам я не могу заставить это регулярное выражение работать. На regex101.com он работает нормально.

Я хотел бы получить thi1te_t в конечном выводе, возможно, с regex ^.{8}$ и grep.

1 Ответ

3 голосов
/ 10 января 2020

Используйте matches(), что соответствует регулярному выражению, а не contains(), который проверяет наличие буквенных подстрок.

Я бы также предложил использовать . вместо text(), поскольку это строковое значение элемента, которому вы хотите соответствовать, а не text() дочерний узел.

В целом XPath для выбора целевого элемента будет: 

//*[@class='body' and matches(text(),'(20\d{2}).(\d{1,2}).(\d{1,2})')]

Я хотел бы получить thi1te_t в окончательном выводе, вероятно, с помощью регулярных выражений ^.{8}$ и grep.

Вы можете вернуть эту подстроку путем токенизации строки значение элемента, соответствующего вышеуказанному XPath, а затем выбор строки, соответствующей заданному регулярному выражению: 

tokenize(//*[@class='body' and matches(text(),'(20\d{2}).(\d{1,2}).(\d{1,2})')], 
        '\s*\n\s*')[matches(.,'^.{8}$')]

Это выражение XPath возвращает thi1te_t в соответствии с запросом.

...