Question

我正在改进我为我下载了一些壁纸的旧脚本。我需要知道一个类别有多少页壁纸。每个链接都有页面编号作为其文本，即：

<a href="/planes-desktop-wallpapers/page/8">8</a>
<a href="/planes-desktop-wallpapers/page/9">9</a>
<a href="/planes-desktop-wallpapers/page/10">10</a>

所以我需要捕获数字十，但我不是很精通正则表达式，在这种情况下如何检索页数？

提前tnx！

Answer 1

您不希望使用正则表达式解析HTML。在这种情况下，使用正则表达式迟早会伪造您的数据。使用模块为您完成此操作会好得多。

在此示例中，我们使用HTML::TreeBuilder和List::Util。如果你想要每个类别中最高的，另一种方法是使用TreeBuilder :: XPath来查询特定部分中的所有部分。

use strict;
use warnings;
use HTML::TreeBuilder;
use List::Util qw( max );

my $data
   = '<a href="/planes-desktop-wallpapers/page/8">8</a>\n'
   . '<a href="/planes-desktop-wallpapers/page/9">9</a>\n'
   . '<a href="/planes-desktop-wallpapers/page/10">10</a>'
   ;

my $tr = HTML::TreeBuilder->new_from_content($data); 

my @vals =
     map { [ $_->attr('href'), $_->content_list ] } 
     max ( $tr->look_down( _tag => 'a') );

use Data::Dumper;
print Dumper \@vals;

__OUTPUT__
$VAR1 = [
          [
            '/planes-desktop-wallpapers/page/10',
            '10'
          ]
        ];

如果您只需要文本（数字），请执行以下操作：

my @vals = map { $_->content_list } max ( $tr->look_down( _tag => 'a') );

Answer 2

免责声明：一般来说，使用正则表达式解析HTML是不受欢迎的。参见：

RegEx match open tags except XHTML self-contained tags

但这看起来像一个非常有限/简单的情况，所以要使用正则表达式，你可以使用这个：

my $string = '<a href="/planes-desktop-wallpapers/page/8">8</a>';

$string =~ /a href="\/planes-desktop-wallpapers\/page\/(\d+)">(\d+)<\/a>/;

my $pageNumber = $1;
print $pageNumber . "\n";

如何使用Perl检索其中包含最大数字的链接？

2 个答案: