如何从网页中获取未知长度的字符串
[英]how can I get a unknown length string from a webpage
问题描述
我需要在 perl 中获取一个字符串，其长度每天都在变化。 看下面的URL内容
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 3.2 Final//EN">
<html>
<head>
<title>Index of /isos/preFCS5.3/LATESTGOODCVP</title>
</head>
<body>
<h1>Index of /isos/preFCS5.3/LATESTGOODCVP</h1>
<table><tr><th><img src="/icons/blank.gif" alt="[ICO]"></th><th><a href="?C=N;O=D">Name</a></th><th><a href="?C=M;O=A">Last modified</a></th><th><a href="?C=S;O=A">Size</a></th><th><a href="?C=D;O=A">Description</a></th></tr><tr><th colspan="5"><hr></th></tr>
<tr><td valign="top"><img src="/icons/back.gif" alt="[DIR]"></td><td><a href="/isos/preFCS5.3/">Parent Directory</a></td><td> </td><td align="right"> - </td></tr>
<tr><td valign="top"><img src="/icons/unknown.gif" alt="[ ]"></td><td><a href="CVP-LATEST-5.3.0.37.iso">CVP-LATEST-5.3.0.37.iso</a></td><td align="right">19-Jul-2011 03:32 </td><td align="right">816M</td></tr>
<tr><td valign="top"><img src="/icons/unknown.gif" alt="[ ]"></td><td><a href="ChangeLog-LATEST.2011-07-19-03h.30m.01s">ChangeLog-LATEST.2011-07-19-03h.30m.01s</a></td><td align="right">19-Jul-2011 03:32 </td><td align="right"> 16K</td></tr>
<tr><td valign="top"><img src="/icons/unknown.gif" alt="[ ]"></td><td><a href="is.iso">is.iso</a></td><td align="right">19-Jul-2011 03:32 </td><td align="right">816M</td></tr>
<tr><td valign="top"><img src="/icons/unknown.gif" alt="[ ]"></td><td><a href="md5SUM">md5SUM</a></td><td align="right">19-Jul-2011 03:32 </td><td align="right">111 </td></tr>
<tr><th colspan="5"><hr></th></tr>
</table>
<address>Apache/2.2.3 (Red Hat) Server at www.google.com Port 80</address>
</body></html>
您可以看到一个名为“CVP-LATEST-5.3.0.37.iso”的字符串。 我需要把它变成$name。 字符串 CVP-LATEST-5.3.0.37.iso 每天都会不断变化，比如 CVP-LATEST-5.3.0.39.iso 或 CVP-LATEST-5.3.39a.iso 或 CVP-LATEST-6.1.iso 或 CVP-LATEST- 6.23.23.112.iso。
有什么办法可以得到这个吗？
这是代码
use strict;
use warnings;
use LWP::Simple;
my $oldVersion = CVP-LATEST-5.3.0.37.iso;
my $url = 'http://www.google.com/isos/preFCS5.3/LATESTGOODCVP/';
my $newPage = get($url)
or die "Cannot retrieve contents from $url\n";
if ( $newPage =~ /href=\"CVP-LATEST-5\.3\.0\.(\d\d)/ ) {
my $version = $1;
if ( $version != $oldVersion ) {
my $status = getstore($url . "CVP-LATEST-5.3.0.$version.iso",
"CVP-LATEST-5.3.0.$version.iso");
} else {
print "Already at most recent version\n";
}
} else {
die "Cannot find version tag in contents from $url\n";
}
在这里，如果您看到代码，它仅在 5.3.0."XX" 之后获得数字（xx），并且已知长度为 2。
无论如何我可以更改它，以便它可以读取整个文件名，即。 CVP-LATEST-XXXXXX*.iso 然后和$oldversion比较一下？
请注意字符串“CVP-LATEST-”和“.iso”保持不变，但后面的数字会发生变化并且还可以包含字母。 另请注意，URL 内容中还有一个名为 is.iso 的文件。 我不想得到那个。
3 个解决方案
解决方案1
2 2011-07-23 14:07:31
当您想要解析 HTML 时，您应该使用知道如何解析 HTML 的模块。
您的问题经常被问到：
perldoc -q url
How do I extract URLs?
use HTML::SimpleLinkExtor;
...
my $extor = HTML::SimpleLinkExtor->new();
$extor->parse($newPage);
my($version) = grep /^CVP-LATEST-.*\.iso/, $extor->href;
解决方案2
0 已采纳 2011-07-23 11:25:02
尝试
if ( $newPage =~ /href=\"CVP-LATEST-(.*?)\.iso\"/ ) {
my $name = "CVP-LATEST-${1}.iso";
$name包含整个文件名。
解决方案3
0 2011-07-25 07:01:06
html 正则表达式的秘密，而不是双引号
/href="([^"]*)"/i
如何从字符串中某个部分的字符串中获得未知数字？
[英]How can I get a unknown number from a string within a certain part of the string?
如何获取String数组中元素的长度（获取错误）？
[英]How can I get the length of an element in a String array (getting errors)?
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.