网页抽取正则问题

li_000828

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

iamlimeng

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。

iamlimeng

回复 11# li_000828


    非常感谢，很好，很强大，是我想要的答案。

langren868

强大个JJ啊，循环下，ok

toniz

11楼用法很巧妙，不过我认为没多少人能看懂

phoenix_perl

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

toniz

没答到点子上

toniz

提示下，这正则是不会匹配到的。

phoenix_perl

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...

toniz

继续  还不是重点