Question

我需要解析一个HTML文件，我有这样的东西：

<TAG1>
    <TAG1>
        TEXT_TO_FIND
        KEY
        <TAG1>
        </TAG1>
        <TAG1>
        </TAG1>
    </TAG1>
</TAG1>

考虑到有多个级别的anidation。如何获取文本TEXT_TO_FIND？

用简单的英语，我需要做的是在“最后有文本KEY之后”和“文本KEY”之间获取文本，文本只出现在文档上。

注1：我发现了question，但它似乎没有用;我一直得到一个空洞的结果。这将是表达式：

/<TAG1>(?!.*<TAG1>)(.*)KEY/ism

注意2：如果我从前一个音符的表达式中删除了KEY，我会从文件的最后一个到结尾处获得文本。

提前感谢大家！

Answer 1

你好！我需要解析一个HTML文件，我有这样的东西：

然后你需要一个HTML解析器。正则表达式不够强大，无法正确执行。

一旦解析了HTML并获得了每个TAG的内容，就可以使用以下内容：

/(.*)KEY/is

检查文本是否包含KEY，如果是，请抓取其前面的内容。

Answer 2

如果您只是不想使用HTML解析器，那么这是一个正则表达式，如果TEXT_TO_FIND不包含“＆lt;”或“＆gt;”：

/\s*([^<>]*?)\s*?KEY/ism

Answer 3

在适当的上下文中使用每个工具：使用HTML解析器查找文本块，然后匹配具有正则表达式的文本块。

#! /usr/bin/perl

use warnings;
use strict;

use HTML::Parser;

my $p = HTML::Parser->new(
  api_version => 3,
  text_h => [
    sub {
      local($_) = @_;
      print $1, "\n" if /(\S.+?)\s*\bKEY\b/s;
    },
    "dtext"
  ],
);

# for demo only
*ARGV = *DATA;

undef $/;
$p->parse(<>);

__DATA__
<TAG1>
    <TAG1>
        TEXT_TO_FIND
        KEY
        <TAG1>
        </TAG1>
        <TAG1>
        </TAG1>
    </TAG1>
</TAG1>

输出：

$ ./find-text
TEXT_TO_FIND

使用正则表达式获取最后一次出现的字符串

3 个答案: