Question

我在解析html内容时需要一些建议，需要提取标签的ID＆lt; \ a＆gt;在div中，并将其存储到变量特定变量中。我试图为此制作一个正则表达式，但它在所有div中得到了tag的id。我需要存储标签＆lt; \ a＆gt;的ID这只是在一个特定的div内。

HTML内容

<div class="m_categories" id="part_one">
<ul>
<li>-
<a href="#" class="sel_cat " id="sel_cat_10018">aaa</a>
</li>
<li>-
<a href="#" class="sel_cat " id="sel_cat_10007">bbb</a>
</li>
.
.
.
</div>

<div class="m_categories hidden" id="part_two">
<ul>
<li>-
<a href="#" class="sel_cat " id="sel_cat_10016">ccc</a>
</li>
<li>-
<a href="#" class="sel_cat " id="sel_cat_10011">ddd</a>
</li>
<li>-
<a href="#" class="sel_cat " id="sel_cat_10025">eee</a>
</li>
.
.
</div>

需要一些建议，提前致谢

更新我使用的正则表达式

if（$ content = ~m / sel_cat“id =”（[^＆lt;] *？）“/ is）{}

while（$ content = ~m / sel_cat“id =”（[^＆lt;] *？）“/ igs）{}

Answer 1

你应该真正研究HTML::Parser，而不是试图使用正则表达式来提取HTML。

我们从每个div标签中提取id元素的一种方法是：

# This parser only looks at opening tags
sub start_handler { 
my ($self, $tagname, $attr, $attrseq, $origtext) = @_;
if ($tagname eq 'div') { # is it a div element?
        if($attr->{ id }) {  # does div have an id?
            print "div id found: ", $attr->{ id }, "\n";
        }       
}
}
my $html = &read_html_somehow() or die $!;

my $p = HTML::Parser->new(api_version => 3);
$p->handler( start => \&start_handler );
$p->parse($html);

这比基于正则表达式的方法更加强大和灵活。

Answer 2

有很多很棒的HTML解析器。我有点像Mojo套件，它允许我使用CSS选择器来获取DOM的一部分：

use Mojo;

my $dom = Mojo::DOM->new($html_content);

say for $dom->find('a.sel_cat')->all_text;
# Or, more robust:
# say $_->all_text for $dom->find('a.sel_cat')->each;

输出：

aaa
bbb
ccc
ddd
eee

或者ID：

say for $dom->find('a.sel_cat')->attr('id');
# Or, more robust_
# say $_->attr('id') for $dom->find('a.sel_cat')->each;

输出：

sel_cat_10018
sel_cat_10007
sel_cat_10016
sel_cat_10011
sel_cat_10025

如果您只想在part_two div中使用这些ID，请使用选择器#part_two a.sel_cat。

需要帮助在perl中形成正则表达式

2 个答案: