Chinaunix

标题: 网页抽取正则问题 [打印本页]

---

作者: iamlimeng    时间: 2010-12-17 22:50
标题: 网页抽取正则问题
my $html = "<table><tr><td>aa</td><td>bb</td></tr></table>标记1<table><tr><td>cc</td><td>dd</td></tr></table>标记2<table><tr><td>ee</td><td>ff</td></tr></table>";

我有这样一段网页代码，我想得到“标记1”后的td对，即：<td>cc</td><td>dd</td>，并装入数组@td，相当于
@td ＝ ("<td>cc</td>","<td>dd</td>");

我以前都是分两次走，显然很啰嗦：

1. #!/usr/bin/perl
   
2. 
   
3. use strict;
   
4. use warnings;
   
5. 
   
6. my $html = "<table><tr><td>aa</td><td>bb</td></tr></table>标记1<table><tr><td>cc</td><td>dd</td></tr></table>标记2<table><tr><td>ee</td><td>ff</td></tr></table>";
   
7. my ($need) = ($html =~ /标记1(.*?)标记2/i);
   
8. my (@td) = ($need =~ /(<td>.*?<\/td>)/ig);
   
9. print "@td";

复制代码

有没有办法一步做到？

1. #!/usr/bin/perl
   
2. 
   
3. use strict;
   
4. use warnings;
   
5. 
   
6. my $html = "<table><tr><td>aa</td><td>bb</td></tr></table>标记1<table><tr><td>cc</td><td>dd</td></tr></table>标记2<table><tr><td>ee</td><td>ff</td></tr></table>";
   
7. my @td = ($html =~ /.*?标记1.*?(<td>.*?<\/td>)+/i);
   
8. print "@td";

复制代码

尝试这样写，但只得到"<td>dd</td>"。

请精通正则的高手指教。

---

作者: x9x9    时间: 2010-12-17 22:54
那为何不用HTML::TreeBuilder 呢？一定要正则？

---

作者: x9x9    时间: 2010-12-17 22:56


一定要两个标记之间的，如果用正则的话估计谁都得两步走吧？

---

作者: iamlimeng    时间: 2010-12-17 22:57
我已习惯了用正则，有空试试HTML::TreeBuilder 。

我这里只是举个例子，有些时候，数据不是网页，也有类似情况。

---

作者: heut2009    时间: 2010-12-18 12:13

1. #!/usr/bin/perl
   
2. 
   
3. use strict;
   
4. use warnings;
   
5. 
   
6. my $html = "<table><tr><td>aa</td><td>bb</td></tr></table>标记1<table><tr><td>cc</td><td>dd</td></tr></table>标记2<table><tr><td>ee</td><td>ff</td></tr></table>";
   
7. my @td = ($html =~ /标记1.*?(<td>.*?<\/td>)(<td>.*?<\/td>)/i);
   
8. print "@td";
   
9. ;

复制代码

结果 <td>cc</td> <td>dd</td>

---

作者: 午夜凋零    时间: 2010-12-18 13:24
回复 5# heut2009


    很强大，学习了。

---

作者: x9x9    时间: 2010-12-18 13:49

结果 cc dd
heut2009 发表于 2010-12-18 12:13

你的正则写的和他第一步提取的结果差不多一样长了。
多亏楼主的例子里只有两个<td></td>，否则你的正则要写很长了。

---

作者: x9x9    时间: 2010-12-18 14:14


用下前后断言应该就可以了~

1. use strict;
   
2. use warnings;
   
3. 
   
4. my $html = '<table><tr><td>aa</td><td>bb</td></tr></table>标记1<table><tr><td>cc</td><td>dd</td></tr></table>标记2<table><tr><td>ee</td><td>ff</td></tr></table>';
   
5. my @td=($html=~m{(?<=标记1).*?((?:<td>.*?</td>)+).*(?=标记2)}i);
   
6. 
   
7. print @td;

复制代码

---

作者: heut2009    时间: 2010-12-18 14:57
回复 8# x9x9


    正则虽然无所不能，但是效率上想也知道会很低，我一般都用index 和substr ，截取出目标段，然后再匹配。

---

作者: kingwmj    时间: 2010-12-18 15:15
学习了。。。。

---

作者: li_000828    时间: 2010-12-18 20:37

1. #!/usr/bin/perl
   
2. my $html = "<table><tr><td>aa</td><td>bb</td></tr></table>标记1<table><tr><td>cc</td><td>dd</td></tr></table>标记2<table><tr><td>ee</td><td>ff</td></tr></table>";
   
3. $html =~ /标记1.*?(<td>\w+<\/td>).*?标记2(??{push @a,$1})/g;
   
4. print "@a\n";
   

复制代码

---

作者: iamlimeng    时间: 2010-12-20 10:55
回复 8# x9x9


    谢谢给出的方案，这个可以匹配需要的数据，但没有分别装入数组，它是一次性将所有需要的数据装入数组的第一个元素，要完成任务，那也还是要分两步走。

---

作者: iamlimeng    时间: 2010-12-20 11:09
回复 11# li_000828


    非常感谢，很好，很强大，是我想要的答案。

---

作者: langren868    时间: 2010-12-20 17:14
强大个JJ啊，循环下，ok

---

作者: toniz    时间: 2010-12-21 10:08
11楼用法很巧妙，不过我认为没多少人能看懂

---

作者: phoenix_perl    时间: 2010-12-21 10:22
呵呵,献丑读解一下这个正则表达式中的非贪婪模式

/标记1.*?(<td>\w+<\/td>).*?标记2(??{push @a,$1})/g


在正则表达式中的贪婪模式
* 代表0到无限次匹配(优先匹配最多的)
+ 代表1到无限次匹配(优先匹配最多的)
? 代表0带1次匹配(优先匹配最多的)
{n,m}代表n到m次匹配(优先匹配最多的)

在正则表达式中的非贪婪模式
*? 代表0到无限次匹配(优先匹配最少的)
+? 代表1到无限次匹配(优先匹配最少的)
?? 代表0带1次匹配(优先匹配最少的)
{n,m}? 代表n到m次匹配(优先匹配最少的)

我记得默认都是贪婪模式,贪婪模式就是匹配最多符合条件的
而在这些标记后面加上?  就是用非贪婪模式

---

作者: toniz    时间: 2010-12-21 10:23


没答到点子上

---

作者: toniz    时间: 2010-12-21 10:29
提示下，这正则是不会匹配到的。

---

作者: phoenix_perl    时间: 2010-12-21 10:47
标记2(??{push @a,$1})  
如果前面的出现0或1次(优先0次),将前面捕获1中的内容添加到@a中
捕获1的内容是 (<td>\w+<\/td>) \w+是贪婪匹配,加上后面的 .*?标记2 ?? 限制了捕获1的贪婪范围.
perl中的code竟然能写到正则表达式中...

---

作者: toniz    时间: 2010-12-21 11:05
继续  还不是重点

---

作者: 黑色阳光_cu    时间: 2010-12-21 12:51

1. my $html = "<table><tr><td>aa</td><td>bb</td></tr></table>标记1<table><tr><td>cc</td><td>dd</td></tr></table>标记2<table><tr><td>ee</td><td>ff</td></tr></table>";
   
2. my @ar = $html =~ m{\G(?(?=^).*?标记1).*?(<td>\w+</td>)(?=.*?标记2)}xg;
   
3. warn "@ar";

复制代码

哥不喜欢 (??{})

---

作者: x9x9    时间: 2010-12-21 13:39
谁再给解释下11楼的写法，google了半天没有答案。

---

作者: iamlimeng    时间: 2010-12-21 15:02
回复 21# 黑色阳光_cu


    谢谢黑色阳光，这个正则很强大，就是我想要的正则。

---

作者: toniz    时间: 2010-12-22 09:11
11楼的原理是巧妙的让正则表达式失败，并不断重新尝试。
当正则表达式引擎在字符串中找到符合下面这段正则规制的内容后

1. /标记1.*?(<td>\w+<\/td>).*?标记2

复制代码

接下来就是把$1内容存入数组，然后这时候让正则表达式匹配失败。
那么正则表达式引擎就会进行新的尝试。
这样就能匹配到所有的符合条件的内容。

---

作者: toniz    时间: 2010-12-22 09:13
不过11楼的代码写得很隐晦。下面的正则，同样的道理。至于11楼用上/g，这个完全没有必要。

1. $html =~ /标记1.*?(<td>\w+<\/td>).*?标记2(?{print "$1\n"})(?!)/;
   
2. $html =~ /标记1.*?(<td>\w+<\/td>).*?标记2(?{print "$1\n"})\1/;

复制代码

---

作者: 黑色阳光_cu    时间: 2010-12-22 09:42

不过11楼的代码写得很隐晦。下面的正则，同样的道理。至于11楼用上/g，这个完全没有必要。
toniz 发表于 2010-12-22 09:13

   


都没有哥的强大

---

作者: toniz    时间: 2010-12-22 09:51
能够写出11楼那样的正则，证明对正则表达式内部工作原理很了解。他那个正则的效率要比你的高太多。

---

作者: 黑色阳光_cu    时间: 2010-12-22 09:53

能够写出11楼那样的正则，证明对正则表达式内部工作原理很了解。他那个正则的效率要比你的高太多。
toniz 发表于 2010-12-22 09:51

   
哥不用(?{...})

---

作者: toniz    时间: 2010-12-22 09:57
只讨论正则，不考虑实际应用。如果实际应该的话，我宁可去用楼主的两个正则来实现。

---

作者: 黑色阳光_cu    时间: 2010-12-22 10:03

1. #!/bin/env perl
   
2. # t2.pl
   
3. 
   
4. use strict;
   
5. use warnings;
   
6. 
   
7. foreach (1 .. 200000)
   
8. {
   
9.         my $html = "<table><tr><td>aa</td><td>bb< /td></tr></table>标记1<table><tr><td>cc</td><td>dd< /td></tr></table>标记2<table><tr><td>ee</td><td>ff</td></tr></table>";
   
10.         #my @ar = $html =~ m{\G(?(?=^).*?标记1).*?(<td>\w+</td>)(?=.*?标记2)}xg;
    
11.         my @a;
    
12.         $html =~ /标记1.*?(<td>\w+<\/td>).*?标记2(??{push @a,$1})/g;
    
13. }
    

复制代码

$ time perl t2.pl

real    0m3.778s
user    0m0.015s
sys     0m0.015s

-------------------------------------------------- 我是华丽的分界线 -----------------------------------------------------------

1. #!/bin/env perl
   
2. # t.pl
   
3. 
   
4. use strict;
   
5. use warnings;
   
6. 
   
7. foreach (1 .. 200000)
   
8. {
   
9.         my $html = "<table><tr><td>aa</td><td>bb< /td></tr></table>标记1<table><tr><td>cc</td><td>dd< /td></tr></table>标记2<table><tr><td>ee</td><td>ff</td></tr></table>";
   
10.         my @ar = $html =~ m{\G(?(?=^).*?标记1).*?(<td>\w+</td>)(?=.*?标记2)}xg;
    
11.         #my @a;
    
12.         #$html =~ /标记1.*?(<td>\w+<\/td>).*?标记2(??{push @a,$1})/g;
    
13. }
    

复制代码

$ time perl t.pl

real    0m1.271s
user    0m0.031s
sys     0m0.015s

---

作者: 黑色阳光_cu    时间: 2010-12-22 10:11

只讨论正则，不考虑实际应用。如果实际应该的话，我宁可去用楼主的两个正则来实现。
toniz 发表于 2010-12-22 09:57

30楼的结果咋解释

---

作者: toniz    时间: 2010-12-22 10:13
初步看是因为地址复用。。问题在数组  不在正则
你可以看下我之前写的PERL内存管理的帖子。

---

作者: 黑色阳光_cu    时间: 2010-12-22 10:14

初步看是因为地址复用。。问题在数组  不在正则
你可以看下我之前写的PERL内存管理的帖子。
toniz 发表于 2010-12-22 10:13

那你给个更快的正则吧~

---

作者: toniz    时间: 2010-12-22 10:24
你直接把字符串加长测试一下试试

---

作者: 黑色阳光_cu    时间: 2010-12-22 10:31

你直接把字符串加长测试一下试试
toniz 发表于 2010-12-22 10:24

my $html = "<table><tr><td>aa</td><td>bb< /td></tr></table>标记1<table><tr><td>cc</td><td>dd< /td></tr>" . 'a' x 300000 . "</table>标记2<table><tr><td>ee</td><td>ff</td></tr></table>";
   
appleii@r61e /cygdrive/d
$ time perl t2.pl

real    1m2.401s
user    0m0.015s
sys     0m0.015s

appleii@r61e /cygdrive/d
$ time perl t.pl

real    0m51.128s
user    0m0.015s
sys     0m0.015s

---

作者: toniz    时间: 2010-12-22 10:52

1. use Data::Dumper;   
   
2. use Time::HiRes qw(gettimeofday);
   
3. 
   
4. 
   
5. 
   
6. my $html = "" . '<td>asfa</td>' x 300000 . "<table><tr><td>aa</td><td>bb< /td></tr></table>标记1<table><tr><td>cc</td>" . '<td>' x 30000000 . "<td>dd</td></tr></table>标记2<table><tr><td>ee</td><td>ff</td></tr>" . 'a' x 30000000 . "</table>";
   
7. my ($start_sec, $start_usec) = gettimeofday;
   
8. $html =~ /标记1.*?(<td>\w+<\/td>).*?标记2(??{push @a,$1})/;
   
9. my ($end_sec, $end_usec) = gettimeofday;
   
10. my $time_used = ($end_sec - $start_sec) + ($end_usec - $start_usec)/1000000;
    
11. printf("time used  : %.3f\n", $time_used);
    
12. 
    
13. 
    
14. my ($start_sec, $start_usec) = gettimeofday;
    
15. my @ar = $html =~ m{\G(?(?=^).*?标记1).*?(<td>\w+</td>)(?=.*?标记2)}xg;
    
16. my ($end_sec, $end_usec) = gettimeofday;
    
17. my $time_used = ($end_sec - $start_sec) + ($end_usec - $start_usec)/1000000;
    
18. printf("time used  : %.3f\n", $time_used);
    
19. 
    
20. 
    
21. my ($start_sec, $start_usec) = gettimeofday;
    
22. $html =~ /标记1.*?(<td>\w+<\/td>).*?标记2(?{push @a,$1})(?!)/;
    
23. my ($end_sec, $end_usec) = gettimeofday;
    
24. my $time_used = ($end_sec - $start_sec) + ($end_usec - $start_usec)/1000000;
    
25. printf("time used  : %.3f\n", $time_used);
    

复制代码

1. [etl@dmtest putest]$ perl putest20.pl
   
2. time used  : 3.612
   
3. time used  : 3.443
   
4. time used  : 3.602

复制代码

---

作者: toniz    时间: 2010-12-22 10:55

1. Matching REx "标记1.*?(<td>\w+</td>).*?标记2(??{push @a,$1})" against "标记1<table><tr><td>cc</td><td>dd< /td></tr></table>标记2<ta..."
   
2.   Setting an EVAL scope, savestack=17
   
3.   47 <able>> <标记1<t>    |  1:  EXACT <标记1>
   
4.   52 <标记1> <<table>>    |  4:  MINMOD
   
5.   52 <标记1> <<table>>    |  5:  STAR
   
6.   Setting an EVAL scope, savestack=17
   
7.   52 <标记1> <<table>>    |  7:    OPEN1
   
8.   52 <标记1> <<table>>    |  9:    EXACT <<td>>
   
9.                               failed...
   
10.                            REG_ANY can match 7 times out of 7...
    
11.   59 <able>> <<tr><td>    |  7:    OPEN1
    
12.   59 <able>> <<tr><td>    |  9:    EXACT <<td>>
    
13.                               failed...
    
14.                            REG_ANY can match 4 times out of 4...
    
15.   63 <><tr>> <<td>cc<>    |  7:    OPEN1
    
16.   63 <><tr>> <<td>cc<>    |  9:    EXACT <<td>>
    
17.   67 <><td>> <cc</td>>    | 11:    PLUS
    
18.                            ALNUM can match 2 times out of 2147483647...
    
19.   Setting an EVAL scope, savestack=17
    
20.   69 <td>cc> <</td><t>    | 13:      EXACT <</td>>
    
21.   74 <</td>> <<td>dd<>    | 16:      CLOSE1
    
22.   74 <</td>> <<td>dd<>    | 18:      MINMOD
    
23.   74 <</td>> <<td>dd<>    | 19:      STAR
    
24.   Setting an EVAL scope, savestack=17
    
25.                            REG_ANY can match 25 times out of 25...
    
26.   99 <able>> <标记2<t>    | 21:        EXACT <标记2>
    
27. 104 <标记2> <<table>>    | 24:        LOGICAL[2]
    
28. 104 <标记2> <<table>>    | 25:        EVAL
    
29.   re_eval 0x9ba5128
    
30. Compiling REx `1'
    
31. size 3 Got 28 bytes for offset annotations.
    
32. first at 1
    
33.    1: EXACT <1>(3)
    
34.    3: END(0)
    
35. anchored "1" at 0 (checking anchored isall) minlen 1
    
36. Offsets: [3]
    
37.         1[1] 0[0] 2[0]
    
38. Entering embedded "1"
    
39.   Setting an EVAL scope, savestack=27
    
40. 104 <标记2> <<table>>    |  1:          EXACT <1>
    
41.                                     failed...
    
42. Freeing REx: `"1"'
    
43.      restoring \1 to 63(63)..74
    
44.                                   failed...
    
45.                                 failed...
    
46.                               failed...
    
47.                            REG_ANY can match 6 times out of 6...
    
48.   69 <td>cc> <</td><t>    |  7:    OPEN1
    
49.   69 <td>cc> <</td><t>    |  9:    EXACT <<td>>
    
50.                               failed...
    
51.                            REG_ANY can match 5 times out of 5...
    
52.   74 <</td>> <<td>dd<>    |  7:    OPEN1
    
53.   74 <</td>> <<td>dd<>    |  9:    EXACT <<td>>
    
54.   78 <><td>> <dd< /td>    | 11:    PLUS
    
55.                            ALNUM can match 2 times out of 2147483647...
    
56.   Setting an EVAL scope, savestack=17
    
57.   80 <td>dd> << /td><>    | 13:      EXACT <</td>>
    
58.                                 failed...
    
59.                               failed...
    
60.                            REG_ANY can match 6 times out of 6...
    
61.   80 <td>dd> << /td><>    |  7:    OPEN1
    
62.   80 <td>dd> << /td><>    |  9:    EXACT <<td>>
    
63.                               failed...
    
64.                            REG_ANY can match 6 times out of 6...
    
65.   86 < /td>> <</tr></>    |  7:    OPEN1
    
66.   86 < /td>> <</tr></>    |  9:    EXACT <<td>>
    
67.                               failed...
    
68.                            REG_ANY can match 5 times out of 5...
    
69.   91 <</tr>> <</table>    |  7:    OPEN1
    
70.   91 <</tr>> <</table>    |  9:    EXACT <<td>>
    
71.                               failed...
    
72.                            REG_ANY can match 13 times out of 13...
    
73. 104 <标记2> <<table>>    |  7:    OPEN1
    
74. 104 <标记2> <<table>>    |  9:    EXACT <<td>>
    
75.                               failed...
    
76.                            REG_ANY can match 7 times out of 7...
    
77. 111 <able>> <<tr><td>    |  7:    OPEN1
    
78. 111 <able>> <<tr><td>    |  9:    EXACT <<td>>
    
79.                               failed...
    
80.                            REG_ANY can match 4 times out of 4...
    
81. 115 <><tr>> <<td>ee<>    |  7:    OPEN1
    
82. 115 <><tr>> <<td>ee<>    |  9:    EXACT <<td>>
    
83. 119 <><td>> <ee</td>>    | 11:    PLUS
    
84.                            ALNUM can match 2 times out of 2147483647...
    
85.   Setting an EVAL scope, savestack=17
    
86. 121 <td>ee> <</td><t>    | 13:      EXACT <</td>>
    
87. 126 <</td>> <<td>ff<>    | 16:      CLOSE1
    
88. 126 <</td>> <<td>ff<>    | 18:      MINMOD
    
89. 126 <</td>> <<td>ff<>    | 19:      STAR
    
90.   Setting an EVAL scope, savestack=17
    
91.                                 failed...
    
92.                               failed...
    
93.                            REG_ANY can match 6 times out of 6...
    
94. 121 <td>ee> <</td><t>    |  7:    OPEN1
    
95. 121 <td>ee> <</td><t>    |  9:    EXACT <<td>>
    
96.                               failed...
    
97.                            REG_ANY can match 5 times out of 5...
    
98. 126 <</td>> <<td>ff<>    |  7:    OPEN1
    
99. 126 <</td>> <<td>ff<>    |  9:    EXACT <<td>>
    
100. 130 <><td>> <ff</td>>    | 11:    PLUS
     
101.                            ALNUM can match 2 times out of 2147483647...
     
102.   Setting an EVAL scope, savestack=17
     
103. 132 <td>ff> <</td></>    | 13:      EXACT <</td>>
     
104. 137 <</td>> <</tr></>    | 16:      CLOSE1
     
105. 137 <</td>> <</tr></>    | 18:      MINMOD
     
106. 137 <</td>> <</tr></>    | 19:      STAR
     
107.   Setting an EVAL scope, savestack=17
     
108.                                 failed...
     
109.                               failed...
     
110.                            REG_ANY can match 6 times out of 6...
     
111. 132 <td>ff> <</td></>    |  7:    OPEN1
     
112. 132 <td>ff> <</td></>    |  9:    EXACT <<td>>
     
113.                               failed...
     
114.                            REG_ANY can match 5 times out of 5...
     
115. 137 <</td>> <</tr></>    |  7:    OPEN1
     
116. 137 <</td>> <</tr></>    |  9:    EXACT <<td>>
     
117.                               failed...
     
118.                            REG_ANY can match 5 times out of 5...
     
119. 142 <</tr>> <</table>    |  7:    OPEN1
     
120. 142 <</tr>> <</table>    |  9:    EXACT <<td>>
     
121.                               failed...
     
122.                             failed...
     
123. Match failed
     
124. Freeing REx: `"\261\352\274\3071.*?(<td>\\w+</td>).*?\261\352\274\3072(??{"......'

复制代码

---

作者: toniz    时间: 2010-12-22 10:55

1. Matching REx "\G(?(?=^).*?标记1).*?(<td>\w+</td>)(?=.*?标记2)" against "<table><tr><td>aa</td><td>bb< /td></tr></table>标记1<table><..."
   
2.   Setting an EVAL scope, savestack=5
   
3.    0 <> <<table><tr><>    |  1:  GPOS
   
4.    0 <> <<table><tr><>    |  2:  LOGICAL[1]
   
5.    0 <> <<table><tr><>    |  3:  IFMATCH[-0]
   
6.    0 <> <<table><tr><>    |  5:    BOL
   
7.    0 <> <<table><tr><>    |  6:    SUCCEED
   
8.                               could match...
   
9.    0 <> <<table><tr><>    |  8:  IFTHEN
   
10.    0 <> <<table><tr><>    | 10:  MINMOD
    
11.    0 <> <<table><tr><>    | 11:  STAR
    
12.   Setting an EVAL scope, savestack=5
    
13.                            REG_ANY can match 47 times out of 47...
    
14.   47 <able>> <标记1<t>    | 13:    EXACT <标记1>
    
15.   52 <标记1> <<table>>    | 19:    MINMOD
    
16.   52 <标记1> <<table>>    | 20:    STAR
    
17.   Setting an EVAL scope, savestack=5
    
18.   52 <标记1> <<table>>    | 22:      OPEN1
    
19.   52 <标记1> <<table>>    | 24:      EXACT <<td>>
    
20.                                 failed...
    
21.                            REG_ANY can match 7 times out of 7...
    
22.   59 <able>> <<tr><td>    | 22:      OPEN1
    
23.   59 <able>> <<tr><td>    | 24:      EXACT <<td>>
    
24.                                 failed...
    
25.                            REG_ANY can match 4 times out of 4...
    
26.   63 <><tr>> <<td>cc<>    | 22:      OPEN1
    
27.   63 <><tr>> <<td>cc<>    | 24:      EXACT <<td>>
    
28.   67 <><td>> <cc</td>>    | 26:      PLUS
    
29.                            ALNUM can match 2 times out of 2147483647...
    
30.   Setting an EVAL scope, savestack=5
    
31.   69 <td>cc> <</td><t>    | 28:        EXACT <</td>>
    
32.   74 <</td>> <<td>dd<>    | 31:        CLOSE1
    
33.   74 <</td>> <<td>dd<>    | 33:        IFMATCH[-0]
    
34.   74 <</td>> <<td>dd<>    | 35:          MINMOD
    
35.   74 <</td>> <<td>dd<>    | 36:          STAR
    
36.   Setting an EVAL scope, savestack=5
    
37.                            REG_ANY can match 24 times out of 24...
    
38.   98 <able>> <标记2<t>    | 38:            EXACT <标记2>
    
39. 103 <标记2> <<table>>    | 41:            SUCCEED
    
40.                                       could match...
    
41.   74 <</td>> <<td>dd<>    | 43:        END
    
42. Match successful!
    
43. Matching REx "\G(?(?=^).*?标记1).*?(<td>\w+</td>)(?=.*?标记2)" against "<td>dd</td></tr></table>标记2<table><tr><td>ee</td><td>ff</t..."
    
44.   Setting an EVAL scope, savestack=5
    
45.   74 <</td>> <<td>dd<>    |  1:  GPOS
    
46.   74 <</td>> <<td>dd<>    |  2:  LOGICAL[1]
    
47.   74 <</td>> <<td>dd<>    |  3:  IFMATCH[-0]
    
48.   74 <</td>> <<td>dd<>    |  5:    BOL
    
49.                               failed...
    
50.   74 <</td>> <<td>dd<>    |  8:  IFTHEN
    
51.   74 <</td>> <<td>dd<>    | 19:  MINMOD
    
52.   74 <</td>> <<td>dd<>    | 20:  STAR
    
53.   Setting an EVAL scope, savestack=5
    
54.   74 <</td>> <<td>dd<>    | 22:    OPEN1
    
55.   74 <</td>> <<td>dd<>    | 24:    EXACT <<td>>
    
56.   78 <><td>> <dd</td>>    | 26:    PLUS
    
57.                            ALNUM can match 2 times out of 2147483647...
    
58.   Setting an EVAL scope, savestack=5
    
59.   80 <td>dd> <</td></>    | 28:      EXACT <</td>>
    
60.   85 <</td>> <</tr></>    | 31:      CLOSE1
    
61.   85 <</td>> <</tr></>    | 33:      IFMATCH[-0]
    
62.   85 <</td>> <</tr></>    | 35:        MINMOD
    
63.   85 <</td>> <</tr></>    | 36:        STAR
    
64.   Setting an EVAL scope, savestack=5
    
65.                            REG_ANY can match 13 times out of 13...
    
66.   98 <able>> <标记2<t>    | 38:          EXACT <标记2>
    
67. 103 <标记2> <<table>>    | 41:          SUCCEED
    
68.                                     could match...
    
69.   85 <</td>> <</tr></>    | 43:      END
    
70. Match successful!
    
71. Matching REx "\G(?(?=^).*?标记1).*?(<td>\w+</td>)(?=.*?标记2)" against "</tr></table>标记2<table><tr><td>ee</td><td>ff</td></tr></ta..."
    
72.   Setting an EVAL scope, savestack=5
    
73.   85 <</td>> <</tr></>    |  1:  GPOS
    
74.   85 <</td>> <</tr></>    |  2:  LOGICAL[1]
    
75.   85 <</td>> <</tr></>    |  3:  IFMATCH[-0]
    
76.   85 <</td>> <</tr></>    |  5:    BOL
    
77.                               failed...
    
78.   85 <</td>> <</tr></>    |  8:  IFTHEN
    
79.   85 <</td>> <</tr></>    | 19:  MINMOD
    
80.   85 <</td>> <</tr></>    | 20:  STAR
    
81.   Setting an EVAL scope, savestack=5
    
82.   85 <</td>> <</tr></>    | 22:    OPEN1
    
83.   85 <</td>> <</tr></>    | 24:    EXACT <<td>>
    
84.                               failed...
    
85.                            REG_ANY can match 5 times out of 5...
    
86.   90 <</tr>> <</table>    | 22:    OPEN1
    
87.   90 <</tr>> <</table>    | 24:    EXACT <<td>>
    
88.                               failed...
    
89.                            REG_ANY can match 13 times out of 13...
    
90. 103 <标记2> <<table>>    | 22:    OPEN1
    
91. 103 <标记2> <<table>>    | 24:    EXACT <<td>>
    
92.                               failed...
    
93.                            REG_ANY can match 7 times out of 7...
    
94. 110 <able>> <<tr><td>    | 22:    OPEN1
    
95. 110 <able>> <<tr><td>    | 24:    EXACT <<td>>
    
96.                               failed...
    
97.                            REG_ANY can match 4 times out of 4...
    
98. 114 <><tr>> <<td>ee<>    | 22:    OPEN1
    
99. 114 <><tr>> <<td>ee<>    | 24:    EXACT <<td>>
    
100. 118 <><td>> <ee</td>>    | 26:    PLUS
     
101.                            ALNUM can match 2 times out of 2147483647...
     
102.   Setting an EVAL scope, savestack=5
     
103. 120 <td>ee> <</td><t>    | 28:      EXACT <</td>>
     
104. 125 <</td>> <<td>ff<>    | 31:      CLOSE1
     
105. 125 <</td>> <<td>ff<>    | 33:      IFMATCH[-0]
     
106. 125 <</td>> <<td>ff<>    | 35:        MINMOD
     
107. 125 <</td>> <<td>ff<>    | 36:        STAR
     
108.   Setting an EVAL scope, savestack=5
     
109.                                   failed...
     
110.                                 failed...
     
111.                               failed...
     
112.                            REG_ANY can match 6 times out of 6...
     
113. 120 <td>ee> <</td><t>    | 22:    OPEN1
     
114. 120 <td>ee> <</td><t>    | 24:    EXACT <<td>>
     
115.                               failed...
     
116.                            REG_ANY can match 5 times out of 5...
     
117. 125 <</td>> <<td>ff<>    | 22:    OPEN1
     
118. 125 <</td>> <<td>ff<>    | 24:    EXACT <<td>>
     
119. 129 <><td>> <ff</td>>    | 26:    PLUS
     
120.                            ALNUM can match 2 times out of 2147483647...
     
121.   Setting an EVAL scope, savestack=5
     
122. 131 <td>ff> <</td></>    | 28:      EXACT <</td>>
     
123. 136 <</td>> <</tr></>    | 31:      CLOSE1
     
124. 136 <</td>> <</tr></>    | 33:      IFMATCH[-0]
     
125. 136 <</td>> <</tr></>    | 35:        MINMOD
     
126. 136 <</td>> <</tr></>    | 36:        STAR
     
127.   Setting an EVAL scope, savestack=5
     
128.                                   failed...
     
129.                                 failed...
     
130.                               failed...
     
131.                            REG_ANY can match 6 times out of 6...
     
132. 131 <td>ff> <</td></>    | 22:    OPEN1
     
133. 131 <td>ff> <</td></>    | 24:    EXACT <<td>>
     
134.                               failed...
     
135.                            REG_ANY can match 5 times out of 5...
     
136. 136 <</td>> <</tr></>    | 22:    OPEN1
     
137. 136 <</td>> <</tr></>    | 24:    EXACT <<td>>
     
138.                               failed...
     
139.                            REG_ANY can match 5 times out of 5...
     
140. 141 <</tr>> <</table>    | 22:    OPEN1
     
141. 141 <</tr>> <</table>    | 24:    EXACT <<td>>
     
142.                               failed...
     
143.                             failed...
     
144. Match failed
     
145. Freeing REx: `"\\G(?(?=^).*?\261\352\274\3071).*?(<td>\\w+</td>)(?=.*?\261"......'
     
146. [etl@dmtest putest]$

复制代码

---

作者: toniz    时间: 2010-12-22 11:00
照正则的匹配来看  是11楼的匹配次数少   可以时间运行是你的快  这个啥原因呢   额。。

---

作者: 黑色阳光_cu    时间: 2010-12-22 11:10

照正则的匹配来看  是11楼的匹配次数少   可以时间运行是你的快  这个啥原因呢   额。。
toniz 发表于 2010-12-22 11:00

所以我说都没有我的强大哇

---

作者: toniz    时间: 2010-12-22 11:47
对  确实你的强大   \G这个用得淫荡。

---

作者: hq8318    时间: 2010-12-24 16:52
未用过perl，在学PHP

---

欢迎光临 Chinaunix (http://bbs.chinaunix.net/)

Powered by Discuz! X3.2