Question

使用Perl，我如何使用正则表达式来获取带有随机HTML的字符串，其中包含一个带有锚点的HTML链接，如下所示：

  <a href="http://example.com" target="_blank">Whatever Example</a>

它只留下那个并摆脱其他一切？无论href属性中的内容是＆lt; a，如title=，还是style=，还是其他什么。它离开了锚：＆＃34;无论如何＆＃34;和＆lt; / a＆gt;？

Answer 1

您可以利用HTML::TokeParser::Simple：

等流解析器

#!/usr/bin/env perl

use strict;
use warnings;

use HTML::TokeParser::Simple;

my $html = <<EO_HTML;

Using Perl, how can I use a regex to take a string that has random HTML in it
with one HTML link with anchor, like this:

   <a href="http://example.com" target="_blank">Whatever <i>Interesting</i> Example</a>

       and it leave ONLY that and get rid of everything else? No matter what
   was inside the href attribute with the <a, like title=, or style=, or
   whatever. and it leave the anchor: "Whatever Example" and the </a>?
EO_HTML

my $parser = HTML::TokeParser::Simple->new(string => $html);

while (my $tag = $parser->get_tag('a')) {
    print $tag->as_is, $parser->get_text('/a'), "</a>\n";
}

输出：

$ ./whatever.pl
<a href="http://example.com" target="_blank">Whatever Interesting Example</a>

Answer 2

如果您需要一个简单的正则表达式解决方案，那么天真的方法可能是：

my @anchors = $text =~ m@(<a[^>]*?>.*?</a>)@gsi;

但是，正如@ dan1111所提到的，正则表达式不是解析various reasons的HTML的正确工具。

如果您需要可靠的解决方案，请查找HTML parser module。

使用Perl从除HTML Anchor Links之外的字符串中去除所有内容

2 个答案: