Html String.IndexOf（）返回意外值-无法提取两个搜索字符串之间的子字符串

脚本来操纵网络故事中的一些专有名称，以帮助我的阅读工具正确发音

我通过

$webpage = (Invoke-WebRequest -URI 'https://wanderinginn.com/2018/03/20/4-20-e/').Content

此$网页应为字符串类型

现在

返回意外值，我需要解释为什么或如何自己找到错误

从理论上讲，它应该剪切页面的“主体”，通过我要替换的专有名词列表运行它，并将其推送到htm文件中。 这一切都可行，但IndexOf（“Prev…”）的值却不行

编辑： 调用webrequest后，我可以

Set-Clipboard $webrequest

然后在记事本++中发布，在那里我可以找到'div class=“entry content”和'Previous Chapter'。 如果我做了类似的事情

Set-Clipboard $webpage.substring(
     $webpage.IndexOf('<div class="entry-content">'),
     $webpage.IndexOf('PreviousChapter')
   )

设置剪贴板$webpage.substring(
$webpage.IndexOf（“”），
$webpage.IndexOf（'PreviousChapter'）
)

我希望Powershell能够正确地确定这些字符串的两个第一个实例，并在它们之间切换。因此，我的剪贴板现在应该有我想要的内容，但字符串比第一个实例更进一步。

tl；dr

• 您对如何工作有一个误解：第二个参数必须是要提取的子字符串的长度，而不是结束索引（字符位置）-请参见下文

• 作为一种替代方法，您可以使用更简洁（尽管更复杂）的正则表达式操作和
  

  -replace

  来提取单个操作中感兴趣的子字符串-见下文

• 总的来说，最好使用HTML解析器来提取所需的信息，因为字符串处理是脆弱的（HTML允许空格、引号样式等的变化）

---

正如所指出的，您对其工作原理有一个误解：其论点如下：

• 开始索引（

  0

  基于字符位置）
• 从中应返回给定长度的子字符串

相反，您尝试传递另一个索引作为长度参数

要解决此问题，必须从较高的索引中减去较低的索引，以获得要提取的子字符串的长度：

一个简化的例子：

# Sample input from which to extract the substring 
#   '>>this up to here' 
# or, better,
#   'this up to here'.
$webpage = 'Return from >>this up to here<<'


# WRONG (your attempt): 
# *index* of 2nd substring is mistakenly used as the *length* of the
# substring to extract, which in this even *breaks*, because a length
# that exceeds the bounds of the string is specified.
$webpage.Substring(
  $webpage.IndexOf('>>'),
  $webpage.IndexOf('<<')
)

# OK, extracts '>>this up to here'
# The difference between the two indices is the correct length
# of the substring to extract.
$webpage.Substring(
  ($firstIndex = $webpage.IndexOf('>>')),
  $webpage.IndexOf('<<') - $firstIndex
)

# BETTER, extracts 'this up to here'
$startDelimiter = '>>'
$endDelimiter = '<<'
$webpage.Substring(
  ($firstIndex = $webpage.IndexOf($startDelimiter) + $startDelimiter.Length),
  $webpage.IndexOf($endDelimiter) - $firstIndex
)

如果指定一个长度，其端点将超出字符串的边界（如果索引加上该长度生成的索引大于字符串的长度）

---

也就是说，您可以使用单个正则表达式（）通过以下方式提取感兴趣的子字符串：

• 内联选项（

  （？…）

  ）

  s

  确保元字符
  也匹配换行符（以便

  *

  跨行匹配），默认情况下不会匹配

• 请注意，如果搜索字符串恰好包含正则表达式元字符（在正则表达式上下文中具有特殊含义的字符），则可能必须将转义应用于要嵌入正则表达式中的搜索字符串：
  • 对于嵌入的文字字符串，

    \

    -根据需要转义字符；e、 例如，将

    .txt

    转义为

    \.txt

  • 如果要嵌入的字符串来自变量，请首先对其值应用

    [regex]：：Escape（）

    ；e、 g:

    $var = '.txt'
    # [regex]::Escape() yields '\.txt', which ensures 
    # that '.txt' doesn't also match '_txt"
    'a_txt a.txt' -replace ('a' + [regex]::Escape($var)), 'a.csv'
    

---

您获得了什么意想不到的价值？您期望的值是什么？为什么？这对我来说很好

（调用WebRequest-URI'https://wanderinginn.com/2018/03/20/4-20-e/”）.Content.indexof（“上一章”）

这让我得到了87859。这有什么不对？是否将行号视为字符号？

IndexOf（）

只返回请求字符串的整数索引。您需要使用该信息来剪切所需内容。

.SubString（）

方法单独使用

StartIndex

或

StartIndex

，Length`。您将为它提供两个起始索引号。//您需要将第二个数字设置为两个索引值之间的差值。天啊，我是个笨蛋。非常感谢。我想我让自己更难了，因为记事本++的发现总是显示不同的字符数与powershell。

# Sample input from which to extract the substring 
#   '>>this up to here' 
# or, better,
#   'this up to here'.
$webpage = 'Return from >>this up to here<<'


# WRONG (your attempt): 
# *index* of 2nd substring is mistakenly used as the *length* of the
# substring to extract, which in this even *breaks*, because a length
# that exceeds the bounds of the string is specified.
$webpage.Substring(
  $webpage.IndexOf('>>'),
  $webpage.IndexOf('<<')
)

# OK, extracts '>>this up to here'
# The difference between the two indices is the correct length
# of the substring to extract.
$webpage.Substring(
  ($firstIndex = $webpage.IndexOf('>>')),
  $webpage.IndexOf('<<') - $firstIndex
)

# BETTER, extracts 'this up to here'
$startDelimiter = '>>'
$endDelimiter = '<<'
$webpage.Substring(
  ($firstIndex = $webpage.IndexOf($startDelimiter) + $startDelimiter.Length),
  $webpage.IndexOf($endDelimiter) - $firstIndex
)

'abc'.Substring(4) # ERROR "startIndex cannot be larger than length of string"

'abc'.Substring(1, 3) # ERROR "Index and length must refer to a location within the string"

$webpage = 'Return from >>this up to here<<'

# Outputs 'this up to here'
$webpage -replace '^.*?>>(.*?)<<.*', '$1'

$webpage -replace '(?s).*?<div class="entry-content">(.*?)Previous Chapter.*', '$1'

$var = '.txt'
# [regex]::Escape() yields '\.txt', which ensures 
# that '.txt' doesn't also match '_txt"
'a_txt a.txt' -replace ('a' + [regex]::Escape($var)), 'a.csv'