Question

我正在使用Mac OS，我正在为以下问题寻找最优雅的解决方案。既然它纯文本相关我觉得perl会是最好的选择吗？

我在磁盘上有一个数据文件，例如data.html（与其HTML无关）
它包含中文字符（因此我相信文件是utf8编码的）

它的结构是这样的：

Some top text
Some too text
Some top styles text
<h1>Topic 1 text</h1>
Some text that is applicable to topic 1 with formatting...
<h1>Topic 2 title</h1>
Some text applicable to topic 2...

我想为包含顶部文本和样式的每个主题编写一个文件。所以输入os data.html输出是topic1.html，topic2.html ...

Answer 1

假设您的文件非常简单并且没有任何其他h1标记，这可能应该有效：

use strict;
use warnings;
use open qw(:std :encoding(utf8));

open my $input, '<', 'data.html';
my $content = join '', <$input>;
close $input;

my @parts = split /<\/?h1>/, $content;
my $top_text_and_styles = shift @parts;
my $count = 0;
while (my ($topic, $body) = splice @parts, 0, 2) {
    my $topic_content = join "", $top_text_and_styles, $topic, $body;
    $count += 1;
    my $output_name = "topic${count}.html";
    open my $output, '>', $output_name;
    print $output $topic_content;
    close $output;
}

仅在两个标记字符串之间保留第N个文本

1 个答案: