使用Perl one liner提取段落标记的内容

Question

我想使用perl reg ex one liner匹配段落标记的内容。该段落是这样的：

<p style="font-family: Calibri,Helvetica,serif;">Text I want to extract</p>

所以我一直在使用这样的东西：

perl -nle 'm/<p>($.)<\/p>/ig; print $1' file.html

赞赏任何想法

感谢

Answer 1

强制link当您尝试使用正则表达式解析HTML时会发生什么。

使用HTML::TreeBuilder的David Dorward评论是一个很好的评论。 另一个好方法是使用HTML::DOM：

perl -MHTML::DOM -e 'my $dom = HTML::DOM->new(); $dom->parse_file("file.html"); my @p = $dom->getElementsByTagName("p"); print $p[0]->innerText();'

Answer 2

匹配部分中的

$表示“字符串结束”，您还需要以p-tag非贪婪的方式匹配所有内容：

perl -nle 'm/<p.*?>(.+)<\/p/ig; print $1' test.html