如何从HTML文档中删除表？

Question

我正在将一组网页升级到一个新系统，我想剥离并更换每页顶部的样板，并用新的样板替换它。幸运的是，每个页面都有一个内容表，并且之前没有表格。我想做点什么：

$contents =~ s/^.*<table/$newHeader/

这仅适用于$ contents的第一行。有没有办法用我的新样板替换文件中第一个＆lt;表之前的所有内容？

Answer 1

你可以使用Perl的“/s”选项告诉它“.”匹配所有字符包括换行符（处理字符串）作为单一的巨行而不是每行）。您可以使用?量词将匹配限制为第一个表，以使*非贪婪：

$contents =~ s/^.*?<table/$newHeader/s

此外，请记住，替换也会删除文本“<table”，因此您需要确保以某种方式插回，可能是：

$contents =~ s/^.*?<table/<table$newHeader/s

或者你可以使用零宽度正向前瞻断言，它表示“跟随匹配后，此表达式也必须匹配”但是前瞻断言中的文本不被视为匹配的一部分（因此不会被替换）：

$contents =~ s/^.*?(?=<table)/$newHeader/s

这将使“<table”完好无损。

Answer 2

“。”通常匹配除换行符之外的任何字符。将“s”附加到正则表达式以使其匹配多行：

 $contents =~ s/^.*?<table/$newHeader/s;