Question

我需要在perl中获取一个字符串，其长度每天都在变化。请查看以下网址内容

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 3.2 Final//EN">
<html>
<head>
<title>Index of /isos/preFCS5.3/LATESTGOODCVP</title>
</head>
<body>
<h1>Index of /isos/preFCS5.3/LATESTGOODCVP</h1>
<table><tr><th><img src="/icons/blank.gif" alt="[ICO]"></th><th><a href="?C=N;O=D">Name</a></th><th><a href="?C=M;O=A">Last      modified</a></th><th><a href="?C=S;O=A">Size</a></th><th><a href="?C=D;O=A">Description</a></th></tr><tr><th colspan="5"><hr></th></tr>
<tr><td valign="top"><img src="/icons/back.gif" alt="[DIR]"></td><td><a href="/isos/preFCS5.3/">Parent   Directory</a></td><td>&nbsp;</td><td align="right">  - </td></tr>
<tr><td valign="top"><img src="/icons/unknown.gif" alt="[   ]"></td><td><a href="CVP-LATEST-5.3.0.37.iso">CVP-LATEST-5.3.0.37.iso</a></td><td align="right">19-Jul-2011 03:32  </td><td align="right">816M</td></tr>
<tr><td valign="top"><img src="/icons/unknown.gif" alt="[   ]"></td><td><a href="ChangeLog-LATEST.2011-07-19-03h.30m.01s">ChangeLog-LATEST.2011-07-19-03h.30m.01s</a></td><td align="right">19-Jul-2011 03:32  </td><td align="right"> 16K</td></tr>
<tr><td valign="top"><img src="/icons/unknown.gif" alt="[   ]"></td><td><a href="is.iso">is.iso</a></td><td align="right">19-Jul-2011 03:32  </td><td align="right">816M</td></tr>
<tr><td valign="top"><img src="/icons/unknown.gif" alt="[   ]"></td><td><a href="md5SUM">md5SUM</a></td><td align="right">19-Jul-2011 03:32  </td><td align="right">111 </td></tr>
<tr><th colspan="5"><hr></th></tr>
</table>
<address>Apache/2.2.3 (Red Hat) Server at www.google.com Port 80</address>
</body></html>

您可以看到名为“CVP-LATEST-5.3.0.37.iso”的字符串。我需要把它变成$ name。字符串CVP-LATEST-5.3.0.37.iso将每天不断变化比如CVP-LATEST-5.3.0.39.iso或CVP-LATEST-5.3.39a.iso或CVP-LATEST-6.1.iso或CVP-LATEST-6.23.23.112.iso。

有什么方法可以得到这个吗？

这是代码

use strict;
use warnings;
use LWP::Simple;

my $oldVersion = CVP-LATEST-5.3.0.37.iso;
my $url        = 'http://www.google.com/isos/preFCS5.3/LATESTGOODCVP/';

my $newPage = get($url)
or die "Cannot retrieve contents from $url\n";

if ( $newPage =~ /href=\"CVP-LATEST-5\.3\.0\.(\d\d)/ ) {
my $version = $1;

if ( $version != $oldVersion ) {
    my $status = getstore($url . "CVP-LATEST-5.3.0.$version.iso",
                          "CVP-LATEST-5.3.0.$version.iso");
} else {
    print "Already at most recent version\n";
}

} else {
die "Cannot find version tag in contents from $url\n";
}

这里，如果您看到代码只获得5.3.0之后的数字（xx）。“XX”并且已知长度为2。

无论如何，我可以更改它，以便它将读取整个文件名即。 CVP-LATEST-XXXXXX * .iso然后将它与$ oldversion进行比较？

请注意字符串“CVP-LATEST-”和“.iso”保持不变，但后来的数字会发生变化，也可能包含字母。另请注意，URL内容中还有一个名为is.iso的文件。我不想那样。

Answer 1

当你想解析HTML时，你应该使用一个知道如何解析HTML的模块。

您的问题经常被问到：

perldoc -q url

How do I extract URLs?

use HTML::SimpleLinkExtor;
...
my $extor = HTML::SimpleLinkExtor->new();
$extor->parse($newPage);
my($version) = grep /^CVP-LATEST-.*\.iso/, $extor->href;

Answer 2

尝试

if ( $newPage =~ /href=\"CVP-LATEST-(.*?)\.iso\"/ ) {
    my $name = "CVP-LATEST-${1}.iso";

$name包含整个文件名。

Answer 3

html正则表达式的秘密，而不是双引号

/href="([^"]*)"/i

如何从网页中获取未知长度的字符串

3 个答案: