Question

我有一个巨大的HTML，有很多我不需要的东西，但里面有以下格式提供的URL：

<a href="http://www.retailmenot.com/" class=l

我正在尝试提取网址...我尝试过，但无济于事：

open(FILE,"<","HTML.htm") or die "$!";
my @str = <FILE>;

my @matches = grep { m/a href="(.+?") class=l/ } @str

有关如何匹配的想法吗？

Answer 1

使用HTML::SimpleLinkExtor，HTML::LinkExtor或其他一个提取Perl模块的链接。你根本不需要正则表达式。

这是一个简短的例子。你没有子类。您只需告诉%HTML::Tagset::linkElements要收集哪些属性：

#!perl
use HTML::LinkExtor;

$HTML::Tagset::linkElements{'a'} = [ qw( href class ) ];

$p = HTML::LinkExtor->new;
$p->parse( do { local $/; <> } );

my @links = grep { 
    my( $tag, %hash ) = @$_;
    no warnings 'uninitialized';
    $hash{class} eq 'foo';
    } $p->links;

如果您需要收集任何其他代码的网址，请进行类似的调整。

如果你想要一个回调程序，那也不是那么难。您可以在解析器遇到链接时观察链接：

use HTML::LinkExtor;

$HTML::Tagset::linkElements{'a'} = [ qw( href class ) ];

my @links;
my $callback = sub {
    my( $tag, %hash ) = @_;
    no warnings 'uninitialized';
    push @links, $hash{href} if $hash{class} eq 'foo';
    };

my $p = HTML::LinkExtor->new( $callback );
$p->parse( do { local $/; <DATA> } );

如何使用Perl正则表达式从HTML中提取链接？

1 个答案: