当前位置:  开发笔记 > 编程语言 > 正文

使用正则表达式在不在锚中的页面上查找电话号码

如何解决《使用正则表达式在不在锚中的页面上查找电话号码》经验,为你挑选了1个好方法。

我有此正则表达式表达式,用于搜索电话号码模式:

[(]?\d{3}[)]?[(\s)?.-]\d{3}[\s.-]\d{4}

这与以下格式的电话号码匹配:

123 456 7890
(123)456 7890
(123) 456 7890
(123)456-7890
(123) 456-7890
123.456.7890
123-456-7890

我想扫描整个页面(使用JavaScript)以查找此匹配项,但不包括锚点中已存在的此匹配项。找到匹配项后,我要将电话号码转换为移动设备的点击通话链接:

(123) 456-7890 --> (123) 456-7890

我很确定我需要做一个否定查询。我已经尝试过了,但这似乎不是正确的主意:

(?!.*(\))[(]?\d{3}[)]?[(\s)?.-]\d{3}[\s.-]\d{4}

ShadowRanger.. 5

不要使用正则表达式来解析HTML。使用HTML / DOM解析器获取文本节点(浏览器可以为您过滤文本,删除锚标记和所有文本太短而无法包含电话号码的文本),您可以直接检查文本。

例如,使用XPath(虽然有点丑陋,但是支持以大多数其他DOM方法不直接处理文本节点的方式):

// This query finds all text nodes with at least 12 non-whitespace characters
// who are not direct children of an anchor tag
// Letting XPath apply basic filters dramatically reduces the number of elements
// you need to process (there are tons of short and/or pure whitespace text nodes
// in most DOMs)
var xpr = document.evaluate('descendant-or-self::text()[not(parent::A) and string-length(normalize-space(self::text())) >= 12]',
                            document.body, null, XPathResult.UNORDERED_NODE_SNAPSHOT_TYPE, null);
for (var i=0, len=xpr.snapshotLength; i < len; ++i) {
    var txt = xpr.snapshotItem(i);
    // Splits with grouping to preserve the text split on
    var numbers = txt.data.split(/([(]?\d{3}[)]?[(\s)?.-]\d{3}[\s.-]\d{4})/);
    // split will return at least three items on a hit, prefix, split match, and suffix
    if (numbers.length >= 3) {
        var parent = txt.parentNode; // Save parent before replacing child
        // Insert new elements before existing element; first element is just
        // text before first phone number
        parent.insertBefore(document.createTextNode(numbers[0]), txt);

        // Now explicitly create pairs of anchors and following text nodes
        for (var j = 1; j < numbers.length; j += 2) {
            // Operate in pairs; odd index is phone number, even is
            // text following that phone number
            var anc = document.createElement('a');
            anc.href = 'tel:' + numbers[j].replace(/\D+/g, '');
            anc.textContent = numbers[j];
            parent.insertBefore(anc, txt);
            parent.insertBefore(document.createTextNode(numbers[j+1]), txt);
        }
        // Remove original text node now that we've inserted all the
        // replacement elements and don't need it for positioning anymore
        parent.removeChild(txt);

        parent.normalize(); // Normalize whitespace after rebuilding
    }
}

作为记录,基本过滤器在大多数页面上都有很大帮助。例如,在此页面上,现在,如我所见(随用户,浏览器,浏览器扩展和脚本等的不同而有所不同),如果没有过滤器,则该查询的快照'descendant-or-self::text()'将包含1794个项目。省略由锚标记标记的文本,'descendant-or-self::text()[not(parent::A)]'将其降至1538,然后执行完整查询,以验证非空白内容的长度至少为十二个字符,从而将其降至87项。在性能上,将正则表达式应用于87个项是不合常规的更改,并且您不再需要使用不合适的工具来解析HTML。



1> ShadowRanger..:

不要使用正则表达式来解析HTML。使用HTML / DOM解析器获取文本节点(浏览器可以为您过滤文本,删除锚标记和所有文本太短而无法包含电话号码的文本),您可以直接检查文本。

例如,使用XPath(虽然有点丑陋,但是支持以大多数其他DOM方法不直接处理文本节点的方式):

// This query finds all text nodes with at least 12 non-whitespace characters
// who are not direct children of an anchor tag
// Letting XPath apply basic filters dramatically reduces the number of elements
// you need to process (there are tons of short and/or pure whitespace text nodes
// in most DOMs)
var xpr = document.evaluate('descendant-or-self::text()[not(parent::A) and string-length(normalize-space(self::text())) >= 12]',
                            document.body, null, XPathResult.UNORDERED_NODE_SNAPSHOT_TYPE, null);
for (var i=0, len=xpr.snapshotLength; i < len; ++i) {
    var txt = xpr.snapshotItem(i);
    // Splits with grouping to preserve the text split on
    var numbers = txt.data.split(/([(]?\d{3}[)]?[(\s)?.-]\d{3}[\s.-]\d{4})/);
    // split will return at least three items on a hit, prefix, split match, and suffix
    if (numbers.length >= 3) {
        var parent = txt.parentNode; // Save parent before replacing child
        // Insert new elements before existing element; first element is just
        // text before first phone number
        parent.insertBefore(document.createTextNode(numbers[0]), txt);

        // Now explicitly create pairs of anchors and following text nodes
        for (var j = 1; j < numbers.length; j += 2) {
            // Operate in pairs; odd index is phone number, even is
            // text following that phone number
            var anc = document.createElement('a');
            anc.href = 'tel:' + numbers[j].replace(/\D+/g, '');
            anc.textContent = numbers[j];
            parent.insertBefore(anc, txt);
            parent.insertBefore(document.createTextNode(numbers[j+1]), txt);
        }
        // Remove original text node now that we've inserted all the
        // replacement elements and don't need it for positioning anymore
        parent.removeChild(txt);

        parent.normalize(); // Normalize whitespace after rebuilding
    }
}

作为记录,基本过滤器在大多数页面上都有很大帮助。例如,在此页面上,现在,如我所见(随用户,浏览器,浏览器扩展和脚本等的不同而有所不同),如果没有过滤器,则该查询的快照'descendant-or-self::text()'将包含1794个项目。省略由锚标记标记的文本,'descendant-or-self::text()[not(parent::A)]'将其降至1538,然后执行完整查询,以验证非空白内容的长度至少为十二个字符,从而将其降至87项。在性能上,将正则表达式应用于87个项是不合常规的更改,并且您不再需要使用不合适的工具来解析HTML。


@overloading:好点。当相关文本节点不是“ parent”的唯一子节点(不仅是锚点,而是文本中间的任何子元素),并且类似地是“ appendChild”时,重新分配“ parent.textContent”将不起作用。在这种情况下不起作用,因为它将新元素放在其兄弟姐妹之后,而不是旧元素所在的位置。我已将其固定为在每种情况下均基于原始文本节点本身使用“ insertBefore”,然后在新子项存在后使用“ parent.removeChild(txt);”将其清除。检查编辑历史记录以查看所需的更改(我将其保留为最小)。
推荐阅读
k78283381
这个屌丝很懒,什么也没留下!
DevBox开发工具箱 | 专业的在线开发工具网站    京公网安备 11010802040832号  |  京ICP备19059560号-6
Copyright © 1998 - 2020 DevBox.CN. All Rights Reserved devBox.cn 开发工具箱 版权所有