[英]Need help in forming regular expression in perl
我在解析html内容时需要一些建议,需要在div中提取标记<\\ a>的ID,并将其存储到特定于变量的变量中。 我试图为此做一个正则表达式,但它在所有div中都获得了标签的ID。 我需要存储仅在特定div内的tag <\\ a>的ID。
HTML内容是
<div class="m_categories" id="part_one">
<ul>
<li>-
<a href="#" class="sel_cat " id="sel_cat_10018">aaa</a>
</li>
<li>-
<a href="#" class="sel_cat " id="sel_cat_10007">bbb</a>
</li>
.
.
.
</div>
<div class="m_categories hidden" id="part_two">
<ul>
<li>-
<a href="#" class="sel_cat " id="sel_cat_10016">ccc</a>
</li>
<li>-
<a href="#" class="sel_cat " id="sel_cat_10011">ddd</a>
</li>
<li>-
<a href="#" class="sel_cat " id="sel_cat_10025">eee</a>
</li>
.
.
</div>
需要一些建议,谢谢
更新:我用过的正则表达式
if($ content =〜m / sel_cat“ id =”([^ <] *?)“ / is){}
while($ content =〜m / sel_cat“ id =”([^ <] *?)“ / igs){}
您应该真正研究HTML :: Parser,而不是尝试使用正则表达式来提取HTML的位。
我们从每个div标签中提取id元素的一种方法是:
# This parser only looks at opening tags
sub start_handler {
my ($self, $tagname, $attr, $attrseq, $origtext) = @_;
if ($tagname eq 'div') { # is it a div element?
if($attr->{ id }) { # does div have an id?
print "div id found: ", $attr->{ id }, "\n";
}
}
}
my $html = &read_html_somehow() or die $!;
my $p = HTML::Parser->new(api_version => 3);
$p->handler( start => \&start_handler );
$p->parse($html);
这比基于正则表达式的方法更加健壮和灵活。
周围有很多很棒的HTML解析器。 我有点像Mojo套件,它允许我使用CSS选择器来获取DOM的一部分:
use Mojo;
my $dom = Mojo::DOM->new($html_content);
say for $dom->find('a.sel_cat')->all_text;
# Or, more robust:
# say $_->all_text for $dom->find('a.sel_cat')->each;
输出:
aaa
bbb
ccc
ddd
eee
或对于ID:
say for $dom->find('a.sel_cat')->attr('id');
# Or, more robust_
# say $_->attr('id') for $dom->find('a.sel_cat')->each;
输出:
sel_cat_10018
sel_cat_10007
sel_cat_10016
sel_cat_10011
sel_cat_10025
如果仅在part_two
div中需要这些ID,请使用选择器#part_two a.sel_cat
。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.