El regex que estás usando no coincide con el form porque estás usandoen .*?
, y el punto coincide con cualquier caracter menos los saltos de línea. En cuanto a tu pregunta, los modificadoresmodificadores /g
/g
y /m
/m
no tienen nada que ver con este comportamiento. /g
/g
hace que se devuelvan todas las coincidencias, y /m
/m
cambia el comportamiento de ^
y $
exclusivamente.
##1.##Método 1: Accediendo al DOM (la forma correcta de hacerlo)
UsandoCon XMLService podemos usar el DOM (Document Object Model), lo cual permite seleccionar todos los tags <form>
presentes en el documento.
XMLService tiene el método .parse()
para procesar un string llano estructurado como documento XML. Sin embargo, no es para nada permisivo. Sólo permiteacepta XML válido y bien estructurado (algo que casi ninguna página web cumple). Y, para lograr procesarlo, podemos realizar un "truco". Una versión más antigua de XMLService, el servicio XML, es mucho más permisivoindulgente y acepta un HTML común, convirtiéndolo en XML válido. Así, una vez procesado, podemos pasarlo a XMLService. La mala noticia: XML está obsoleto y no se sabe cuánto tiempo seguirá disponible. Pero por el momento funciona.
Esta forma es segura y a prueba de fallos, ya que cualquier problema con el HTML, se detectaría enluego de XML.parse()
, evitando una salida de texto incorrecta.
function doGet() {
// En vez de obtener el html con UrlFetchApp.fetch(), se usa esto a modo de ejemplo
var html = '<html>'
+ ' <body>'
+ ' <p>Texto a borrar</p>'
+ ' <form>'
+ ' <input type="radio" name="sexo" value="masculino" checked="1"> Masculino<br>'
+ ' <input type="radio" name="sexo" value="femenino"> Femenino'
+ ' </form>'
+ ' <p>Esto no debe aparecer</p>'
+ ' <form>'
+ ' Segundo form <input type="button" value="Funciona">'
+ ' </form>'
+ ' </body>'
+ ' <'</html>';
// Se crea el documento
var doc = Xml.parse(html, true); //Xml.parse está obsoleto pero sigue funcionando y mejor que XmlService
var body = doc.html.body.toXmlString(); //truco para que funcione XmlService (sino no acepta HTML que no cumple como XML)
var atom = XmlService.getNoNamespace();
doc = XmlService.parse(body);
var root = doc.getRootElement();
var i, resultado = '';
// Se obtienen todos los forms
var forms = getElementsByTagName(root, 'form');
// Se unen en un string
for(i in forms) resultado += XmlService.getRawFormat().format(forms[i]);
// Envíar resultado como salida del script
return HtmlService.createHtmlOutput(resultado);
}
function getElementsByTagName(element, tagName) {
// Fuente: https://sites.google.com/site/scriptsexamples/learn-by-example/parsing-html
var data = [];
var descendants = element.getDescendants();
for(i in descendants) {
var elt = descendants[i].asElement();
if( elt !=null && elt.getName()== tagName) data.push(elt);
}
return data;
}
La clave de esto es que una vez convertido a XML, tenemos la ventaja de tenercontar con funciones para movernos por/agregar/modificar partes específicas de cada elemento. Usamos el método getDescendants()
para obtener todos los nodos, y getName()
para ver si es un form.
<body><form> <input type="radio" name="sexo" value="masculino" checked="1"> Masculino<br> <input type="radio" name="sexo" value="femenino"> Femenino </form><form> Segundo form <input type="button" value="Funciona"> </form></body>
<body><form> <input type="radio" name="sexo" value="masculino" checked="1"> Masculino<br> <input type="radio" name="sexo" value="femenino"> Femenino </form><form> Segundo form <input type="button" value="Funciona"> </form></body>
##2.##Método 2: Regex (puede fallar)
demo en regex101.comdemo en regex101.com
<\s*form
Coincide con <
++ 0 o más espacios ++ form
\b
coincide si está en una posición que es un límite de palabra completa (así coincide con form
y no con formosa
).
[\s\S]*?
coincide con cualquier caracter repetido 0 o más veces. Además, el último ?
hace que la repetición se comporte sin avaricia, o sea que se repita la menor cantidad de veces posibles (esta sintaxis soluciona el problema de /.*?/s
).
<\s*\/\s*form\b
es el patrón para </form
, que puede tener espacios alrededor de la barra y debe ser una palabra completa.
[^>]*
consume todos los caracteres, cualquier caracter excepto >
.
>
coincide con el final del tag.
/gi
Establece los modos: global, para que devuelva todos los resultados que encuentre; y sin diferenciar entre mayúsculas y minúsculas.
Y esto se puede arreglar fácilmente, pero después tendremos otro caso raro que lo haría fallar y se podría arreglar, y después otro, y otro, y así sucesivamente.