Question

如何使用curl获取任何html标记的内容？在以下脚本中获取例如h1内容：

#!/usr/bin/perl  

use strict;  
use warnings;  

my $page = `curl www.yahoo.com`;  
print "Page: \n";  
sleep(5);  
#print "$page \n";  
if ($page =~ m/<h1\s*>(.*)<\/h1\s*>/ig){  
        print "$1 \n";  
}

我只得到一场比赛。我如何获得所有比赛？

Answer 1

你可以得到这样的所有比赛：

my @matches = $page =~ /<h1\b[^>]*>(.*?)<\/h1>/ig;

print "@matches\n";

（但请注意，在yahoo.com上，有一个单独的h1标签）

Answer 2

Parsing HTML with regexes is a sin。幸运的是，周围有许多解析器。我特别喜欢Mojo套房：

use strict; use warnings;
use feature 'say';
use Mojo;

my $ua  = Mojo::UserAgent->new(max_redirects => 5);  # redirects defaults to zero
for my $h3 ($ua->get('www.stackoverflow.com')->res->dom('h3')->each) { # use CSS selectors
  say $h3->all_text;
}

Answer 3

使用 while 循环代替 if ：

while ($page =~ m/<h1\s*>(.*)<\/h1\s*>/ig) {  
    print "$1 \n";  
}

如何在字符串中获取正则表达式的所有匹配？

3 个答案: