取html内容--多行

yu330

<h2>Related </h2>
Adaptation:
<a href="http://aaaaaaaa">Hajime no Ippo - Mashiba vs Kimura</a>
,
<a href="http://bbbbbbbb">Hajime no Ippo: New Challenger</a>
,
<a href="http://cccccccc">Hajime no Ippo - Champion Road</a>
,
<a href="http://dddddddd">Hajime no Ippo</a>
<br/>



取Hajime no Ippo - Mashiba vs Kimura, Hajime no Ippo: New Challenger, Hajime no Ippo - Champion Road, Hajime no Ippo这些值放入$str；perl该怎么匹配？


<a href >................</a>出现一次或者多次，结束以<br/>。

[ 本帖最后由 yu330 于 2009-7-8 16:42 编辑 ]

hfahe

正则 或者 HTML:arser模块

sysengcn

#!/usr/bin/perl

$bigline .= $_ while (<>);

$str = join '', ($bigline =~ /<a +.*?>(.*?)<\/a>/sg);

print $str, "\n";


我同意2楼的看法，如果要专门处理html文件的话，还是应使用现成模块。

[ 本帖最后由 sysengcn 于 2009-7-8 20:17 编辑 ]

apile

不过有些时候写代码 习惯如果不好，出来的html 格式很差, 缺东缺西的..用module也很难处理...

如果只是为了处理这类parsing的工作, 装module..我觉得不值得,用简单代码就可以完成的工作，实在没必要去
装module。

[ 本帖最后由 apile 于 2009-7-10 13:03 编辑 ]

yu330

一发完帖子，我就后悔了,因为好像很简单，但之后论坛维护，改不了了，只好作罢。看了一下三楼的方法，竟然忘了还有join函数。但是当遇到
h2>Related </h2>
Adaptation:
<a href="http://aaaaaaaa">Hajime no Ippo - Mashiba vs Kimura</a>
,<small>aaaaaa</small>
<a href="http://bbbbbbbb">Hajime no Ippo: New Challenger</a>
,<br>
bbbb
<a href="http://cccccccc">Hajime no Ippo - Champion Road</a>
,
<a href="http://dddddddd">Hajime no Ippo</a>
<br/>
像这种没有规律的HTML源文件，想取文字部分是不行的。
用下面代码可以用在没有规律的HTML源文件中：
open(MYFILE,"1.html")  ||  die "can not open file $!_";
$str  .= $_ while(<MYFILE>);
cose(MYFILE);
if ($str =~ m/<a href=(.*?)<div"/s)
{
    my $value = $1;
    $value =~ s/<.*?>//g;
    print $value;
}

至于用HTML:parser模块，没有查到更多有内容，大多数用在JAVA上。