我有一个有趣的问题。我编写了以下perl脚本来递归遍历目录，并在html个img/script/a个文件的所有<a href="..."><img src="..."></a>个文件中执行以下操作：
除非使用锚标记包装图像标记，否则该脚本的效果很好。有没有办法修改当前脚本，以便能够操作不在单独行上的嵌套标记的链接？基本上，如果我有img，脚本只会更改锚标记中的链接，但会跳过#!/usr/bin/perl
use File::Find;
$input="/var/www/tecnew/";
sub process {
if (-T and m/.+\.(htm|html)/i) {
#print "htm/html: $_\n";
open(FILE,"+<$_") or die "couldn't open file $!\n";
$out = '';
while(<FILE>) {
$cur_line = $_;
if($cur_line =~ m/<a.*>/i) {
print "cur_line (unaltered) $cur_line\n";
$cur_line =~ /(^.* href=\")(.+?)(\".*$)/i;
$beg = $1;
$link = html_clean($2);
$end = $3;
$cur_line = $beg.$link.$end;
print "cur_line (altered) $cur_line\n";
}
if($cur_line =~ m/(<img.*>|<script.*>)/i) {
print "cur_line (unaltered) $cur_line\n";
$cur_line =~ /(^.* src=\")(.+?)(\".*$)/i;
$beg = $1;
$link = html_clean($2);
$end = $3;
$cur_line = $beg.$link.$end;
print "cur_line (altered) $cur_line\n";
}
$out .= $cur_line;
}
seek(FILE, 0, 0) or die "can't seek to start of file: $!";
print FILE $out or die "can't print to file: $1";
truncate(FILE, tell(FILE)) or die "can't truncate file: $!";
close(FILE) or die "can't close file: $!";
} } find(\&process, $input);
sub html_clean {
my($input_string) = @_;
$input_string = lc($input_string);
$input_string =~ s/%20|\s/_/g;
return $input_string;
}
标记。
{{1}}
答案 0 :(得分：3)
您是否考虑使用真正的解析器而不是正则表达式？正则表达式not suitable用于解析HTML！考虑使用像HTML::Parser这样的解析器。
答案 1 :(得分：0)
我实际上建议将整个HTML文本放入内存并进行多行搜索并替换为RE匹配的整个标记：
text =~ s/(<a[^>]+href=")([^"]+)("[^>]+>.*?</a>)/$1 . &html_clean($2) . $3/ge