Question

我正试图通过“table”标签及其内容拆分html代码。

所以，我试过

my $html = 'aaa<table>test</table>bbb<table>test2</table>ccc';
my @values = split(/<table*.*\/table>/, $html);

在此之后，我希望@values数组看起来像这样： array('aaa', 'bbb', 'ccc')。但是它返回这个数组： array('aaa', 'ccc')。任何人都可以告诉我如何指定split函数，每个表应该单独解析？

谢谢！

Answer 1

你的正则表达式是贪婪的，把它改成/<table.*?\/table>/它会做你想要的。但是如果你要做任何认真的工作，你应该真正研究一个合适的HTML解析器。搜索CPAN应找到适合您需求的那个。

Answer 2

你的正则表达式.*是贪婪的，因此咀嚼到字符串的最后部分。将其更改为.*?，它应该会更好。

Answer 3

使用?指定非贪婪的外卡诽谤，即

my @values = split(/<table*.*?\/table>/, $html);

Answer 4

使用HTML解析器可能对您的示例有点过分，但是当您的示例增长时，它会得到回报。解决方案使用HTML::TreeBuilder：

use HTML::TreeBuilder;
use Data::Dump qw(dd);

my $html = 'aaa<table>test</table>bbb<table>test2</table>ccc';
my $tree = HTML::TreeBuilder->new_from_content($html);

# remove all <table>....</table>
$_->delete for $tree->find('table');

dd($tree->guts);        # ("aaa", "bbb", "ccc")

Perl - 用“table”标签及其内容拆分html代码

4 个答案: