问个正则表达式去除标点的问题，谢谢

sewenew

我现在抓了一些网页，解析得到了text，但是这些text都是中英文数字混杂的，现在需要把
里面的英文，数字和标点去掉，我使用$text =~ s/\w+|\d+//g ;把英文和数字去掉了，但
是有什么好的办法去除标点吗？标点包括中文和英文的两类如：.,和。，等等

另外一个问题，一般网页都是有各种编码的，如gbk，gb2312等等，那么使用LWP抓下来的网
页，并用HTML:arser解析后得到的text对perl来说还存在编码问题吗？例如一个在gbk编
码中的“如果”，和在gb2312编码中的“如果”，最后解析完成后这两个text是一样吗？感
觉LWP，HTML:arser应该会把这些编码都转换成perl内部的字节格式吧，不知道是不是这
样的。

谢谢～～～

Lonki

decoded_content()会按照html中指定的编码转换

GBK > GB2312, 常用汉字是一样的编码

HTML:arser/TreeBuilder创建时需要人为指定编码， 或事先转换好.