Question

可能重复：
How can I extract URL and link text from HTML in Perl?

我正在尝试在字符串中获取子字符串。字符串中可能有多个匹配的字符串。

<LI>
<A
 HREF="65378161_12011_Q.pdf"> 
65378161_12011_Q.pdf

</A>

从上面的字符串我想得到文件名“65378161_12011_Q.pdf”。

if($line=~ m/((.*)Q\.pdf)/i ){
          my $inside=$2;
           print " file name:$inside \n";
     }

这是我尝试但它没有得到正确的子字符串。有人可以帮忙解决这个问题。如果有人能回答我的问题，我真的很感激。

Answer 1

请参阅以下脚本：

#!/usr/bin/env perl

use strict;
use warnings;

my $string = "65378161_12011_Q.pdf";


if($string =~ m/((.*)?Q\.pdf)/i ){
    my $inside=$2;
    print " file name:$inside \n";
}

你的代码只缺少'？'告诉正则表达式不要贪心的角色。

另一种方法是匹配所有不是'Q'的字符：

m/(^[^Q]+)?Q\.pdf/i

修改：因为您使用不同的规范编辑了帖子：如果您需要解析HTML，我建议使用适当的模块：

不要使用正则表达式解析或修改html！见其中之一 HTML :: Parser的子类：HTML :: TokeParser，HTML :: TokeParser :: Simple， HTML :: TreeBuilder（:: Xpath）？，HTML :: TableExtract等。如果您的回复开始“这太过分了。我只想......”你错了。 http://en.wikipedia.org/wiki/Chomsky_hierarchy和 here为什么不在HTML上使用正则表达式

（这是关于使用正则表达式从irc.freenode.org上的#perl频道解析HTML的提醒）

编辑2：

这是一个完整的工作示例：

#!/usr/bin/env perl use strict; use warnings; use HTML::TreeBuilder; my $tree = HTML::TreeBuilder->new_from_content(' <LI> <A HREF="65378161_12011_Q.pdf"> 65378161_12011_Q.pdf </A> '); $tree->look_down("_tag", "a")->as_text =~ m/(^[^Q]+)Q\.pdf/i && print "$1\n";

Answer 2

Use a HTML parser.

use strictures;
use Web::Query qw();
my $w = Web::Query->new_from_html(<<'HTML');
<LI>
<A
HREF="65378161_12011_Q.pdf">
65378161_12011_Q.pdf

</A>
HTML

$w->find('a')->attr('href');
# expression returns '65378161_12011_Q.pdf'
$w->find('a')->text;
# expression returns ' 65378161_12011_Q.pdf '

Answer 3

从那以后。将匹配所有内容，只需删除它周围的括号。

#!/usr/bin/perl

my $line = "65378161_12011_Q.pdf";

if ($line =~ m/(.*Q\.pdf)/i )
{
  my $inside = $1;
  print "filename = $inside\n";
}

生成正确的输出。

希望它有所帮助。

曼尼

如何从perl中带有正则表达式的字符串中获取匹配的子字符串

3 个答案: