Question

我该怎么做呢：

http://site.com/index.php?id=15

进入这个？：

http://site.com/index.php?id=

我使用哪种RegEx？

我一直试着做了2个小时，我没有运气。我似乎无法在最后取出数字，有时也有最后的字母也给我带来了问题。

我正在使用Bing！而不是谷歌。

到目前为止，当我搜索某些内容时，我的RegEx是这样的：

$start = '<h3><a href="';
$end = '" onmousedown=';

while ($result =~ m/$start(.*?)$end/g)

我可以添加什么来取出最后的字母和数字，并将其保留为等号？

谢谢。

Answer 1

由于您无法使用正则表达式正确解析[X] HTML，因此您应该寻找可以获得所需href的最小可能上下文。

据我所知，href中不能包含的一个字符是"。因此

/href="([^"]+)"/

应在$1中生成一个网址。在提取你想要的id字符串之前，我会仔细检查它的URL-ishness，然后：

s/\?id=\w+/id=/

但是这已经写了整篇文章because you can't parse HTML with regular expressions。因此，它可能会在您第一次向客户展示时中断。

你应该检查一下正确的Perl解析：http://www.google.com/webhp?q=perl+html+parser

Answer 2

你问了一个正则表达式解决方案，但是你的问题有点不明确，HTML的正则表达式只适用于止损/一次性的东西，否则你可能只是在伤害自己。

由于我真的不肯定你的实际需求和HTML源代码是什么，这是一个通用的解决方案，用于获取URL并吐出页面上没有查询字符串的所有链接。 id=用于所有合理目的/代码等同于无id。

在Perl中有许多方法，其中至少有三个或四个是很好的解决方案。这是一个经常被忽视的问题：libxml。文档：XML::LibXML，URI和URI::QueryParam（如果您想要更好的查询操作）。

use warnings;
use strict;
use URI;
use XML::LibXML;

my $source = shift || die "Give a URL!\n";

my $parser = XML::LibXML->new;
$parser->recover(1);

my $doc = $parser->load_html( location => $source );

for my $anchor ( $doc->findnodes('//a[@href]') )
{
    my $uri = URI->new_abs( $anchor->getAttribute("href"), $source );
    # commented out ideas.
    # next unless $uri->host eq "TARGET HOST NAME";         
    # next unless $uri->path eq "TARGET PATH";
    # Clear the query completely; id= might as well be nothing.
    $uri->query(undef);
    print $uri, $/;
}

听起来好像你正在使用Bing！用于刮擦。这种事情几乎与每个搜索引擎的ToS相悖。不要这样做。如果你注册并获得一个开发令牌，他们就有API（好吧，Google至少会这样做）。

Answer 3

我不是100％肯定你在做什么，但这就是问题所在：

while ($result =~ m/$start(.*?)$end/g)

这个循环的目的是什么？你正在使用一个名为$result的标量并检查模式匹配。 $result如何变化？

您最初的问题是如何做到这一点：

http://site.com/index.php?id=15

进入这个：

http://site.com/index.php?id=

也就是说，如何从表达式中删除15（或其他数字）。答案很简单：

$url =~ s/=\d+$/=/;

这将把你的正则表达式锚定在URL的末尾，用什么都不替换结束数字。

如果你要删除任何字符串，它会更复杂一些：

$url =~ s/=[^=]+/=/;

你不能简单地使用\S+，因为正则表达式通常是贪婪的。因此，您需要指定任何一系列前面带有等号的非等号符号。

现在，对于while循环，也许你想要一个if语句......

if ($result =~ /$start(.*?)$end/g) {
    print "Doing something if this matched\n";
}
else {
    print "Doing something if there's no match\n";
}

而且，我不确定这意味着什么：

我正在使用Bing！而不是谷歌。

您是否正在尝试解析Bing的输入！？如果是这样，请准确解释您的确想要做什么。也许我们知道更好的方法。例如，如果您正在解析搜索结果的输出，则可能存在可以使用的API。

Answer 4

我该怎么做呢：

http://site.com/index.php?id=15

进入这个？：

http://site.com/index.php?id=

我认为这是您正在寻找的解决方案

#!/usr/bin/perl
use strict;
use warnings;
my $url="http://site/index.php?id=15";
$url =~  s/(?<=id=).*//g;
print $url;

输出：

http://site.com/index.php?id=

根据您的需要，从URL

中省略=符号后的任何内容

如何使用正则表达式删除URL的一部分？

4 个答案: