Perl非貪婪正則表達式

Question

因此，我終於讓我的老板批准為此目的使用perl而不是sed。

這是基本的雜項。

我有這樣的行：

<div class="SectionText">Sometext</div><div class="SectionText">Some more text</div>

這太亂了，但我沒有寫。 無論哪種方式，都有很多這樣的頁面，需要將其更改為以下格式：

<p>Sometext</p><p>Some more text</p>

顯然，這需要不貪心。 現在，我想出了這條線來幫助解決這個問題：

perl -nle "s/(.*)<div class=\"SectionText\">(.*?)<\/div>(.*)/\1<p>\2<\/p>\3/ig; print $1" "somefile.html" > otherfile.html

但是，此操作不執行任何操作，並且所有SectionText標簽仍然保留。

Answer 1

請注意，正則表達式遠非適合處理HTML。 正確的方法是使用解析器並處理DOM，但是對於簡單且行為良好的情況，您可以不使用正則表達式。 只是要進一步了解這是設計的弱點，並且可能會導致意外的問題。

無需捕獲和還原要編輯區域之外的文本。 只需將<div>元素替換為具有相同內容的<p>元素。 只要選擇其他定界符，也無需轉義雙引號或斜杠。

在替換字符串中使用\\1 ， \\2等也是錯誤的。 $1 ， $2等都屬於這里，如果您在命令行上使用-w ，將會被警告過。

這應該為你工作

perl -pe 's|<div class="SectionText">(.*?)</div>|<p>$1</p>|ig' somefile.html > otherfile.html

Answer 2

有關輸出方法，請參見HTML :: TreeBuilder :: XPath和HTML :: Element 。

my $t = HTML::TreeBuilder::XPath
    ->new_from_content('<div class="SectionText">Sometext</div><div class="SectionText">Some more text</div>');
for ($t->findnodes('//div[@class="SectionText"]')) {
    $_->tag('p');
    $_->attr(class => undef);
}

若要使其100％正確，應在空白處拆class屬性值，刪除類名稱SectionText ，然后重新組合屬性值。 我認為在您的情況下，您可以刪除上面的代碼中的class屬性，從而擺脫困境。