page.getHtml().regex()正则问题

Question

@黄亿华 你好，想跟你请教个问题：

我使用的零宽断言正则：(?<=xxx:").*?js，如匹配：xxx:"https://abc.com/a.js"

在RegexSelector 31处，对regexStr进行处理：

if (StringUtils.countMatches(regexStr, "(") - StringUtils.countMatches(regexStr, "\(") ==
                StringUtils.countMatches(regexStr, "(?:") - StringUtils.countMatches(regexStr, "\(?:")) {
33号            regexStr = "(" + regexStr + ")";

因为代码判断中没有对“(?<=”进行判断，所以(?<=xxx:").*?js没有添加分组(我正则小白，33行加()应该是添加分组吧？：）)，而RegexSelector->group的值始终是1（private int group = 1;），所以我的正则运行时就会出现数据越界。

错误出现在：RegexResult->get 28行。

public String get(int groupId) {
        if (groups == null) {
            return null;
        }
28行        return groups[groupId];
    }

Answer 1

问题解决了，

page.getHtml().regex()方法还有一个重载方法，传递groupId就可以了。点赞

Answer 2

对于“零宽断言”webmagic selector是不是需要去处理下？

当然我用其它正则能完成匹配。

期待黄大回复，我想说webmagic设计的太牛了