在clojure上獲取正則表達式的所有匹配

我試圖解析一個HTML文件並獲取其中的所有href。在clojure上獲取正則表達式的所有匹配

到目前爲止，我正在使用的代碼是：

(map 
    #(println (str "Match: " %)) 
    (re-find #"(?sm)href=\"([a-zA-Z.:/]+)\"" str_response))

str_response是與它裏面的HTML代碼的字符串。根據我對Clojure的基本理解，該代碼應該打印一個匹配列表，但到目前爲止，沒有運氣。它不會崩潰，但它也不匹配任何東西。我試過使用re-seq而不是re-find，但沒有運氣。任何幫助？

謝謝！

來源

2012-06-04 Deleteman

如果你在你的問題中包含str_response的值，我可以幫助正則表達式， –

這真的看起來像一個HTML抓取問題，在這種情況下，我會建議使用enlive。

像這樣的東西應該工作

(ns test.foo 
    (:require [net.cgrand.enlive-html :as html])) 

(let [url (html/html-resource 
      (java.net.URL. "http://www.nytimes.com"))] 
    (map #(-> % :attrs :href) (html/select url [:a])))

來源

2012-06-04 22:36:30

感謝您的答案！它似乎是最「優雅」的一個。 – Deleteman

它通常雖然you cannot parse html with a regex（有趣的答案），但只是發現一個標籤的所有發生應該dooable。

一旦你找出正確的正則表達式re-seq是你想使用的功能：

user> (re-find #"aa" "aalkjkljaa") 
"aa" 
user> (re-seq #"aa" "aalkjkljaa") 
("aa" "aa")

這不是崩潰了你，因爲重新找到被返回nil該地圖被解釋爲空列表和做什麼都沒有

來源

2012-06-04 22:28:59

呃......如果你想做正確的話，那麼這樣做不太可行。想要排除引用爲CDATA的非XML文本？想要排除屬於不同命名空間的標籤？等 –

你是完全正確的：我強烈建議在這個話題上的鏈接的答案:)「中心不能容納...」 –

我不認爲這有什麼不對您的代碼。也許str_response是犯罪嫌疑人。以下作品與http://google.com與您正則表達式：

(let [str_response (slurp "http://google.com")] 
    (map #(println (str "Match: " %)) 
    (re-seq #"(?sm)href=\"([a-zA-Z.:/]+)\"" str_response))

注ref-find也適用，雖然它只返回一個匹配。

來源

2012-06-05 02:02:41 jbear

感謝您的回答，出於某種原因，我的項目中的代碼沒有打印任何內容，我決定採用Julien的解決方案。感謝您抽出寶貴的時間！ – Deleteman

不客氣。就解析html而言，克里斯格蘭特的活力是要走的路。 – jbear

在clojure上獲取正則表達式的所有匹配

回答

相關問題