我是Perl新手，有幾個正則表達式問題

我在自學Perl，我通過示例學得最好。因此，我正在研究一個簡單的Perl腳本，它會刮掉一個特定的博客，並發現自己對一些正則表達式感到困惑。該腳本查找HTML以下塊：我是Perl新手，有幾個正則表達式問題

<dt><a name="2004-10-25"><strong>October 25th</strong></a></dt> 
<dd> 
    <p> 
    [Content] 
    </p> 
</dd> 
... and so on.

和這裏的示例腳本，我是學：

#!/usr/bin/perl -w 

use strict; 
use XML::RSS; 
use LWP::Simple; 
use HTML::Entities; 

my $rss = new XML::RSS (version => '1.0'); 
my $url = "http://www.linux.org.uk/~telsa/Diary/diary.html"; 
my $page = get($url); 

$rss->channel(title  => "The more accurate diary. Really.", 
      link  => $url, 
      description => "Telsa's diary of life with a hacker:" 
       . " the current ramblings"); 

foreach (split ('<dt>', $page)) 
{ 
if (/<a\sname=" 
     ([^"]*)  # Anchor name 
     "> 
     <strong> 
     ([^>]*)  # Post title 
     <\/strong><\/a><\/dt>\s*<dd> 
     (.*)  # Body of post 
     <\/dd>/six) 
{ 
    $rss->add_item(title  => $2, 
       link  => "$url#$1", 
        description => encode_entities($3)); 
} 
}

如果你有時間，以更好地幫助我瞭解，我的問題是：

如何做下面的行工作：

（[^「] *）＃錨名
如何做下面的行工作：

（[^>] *）＃職銜
什麼的「六個一」指的是在下面一行：

</DD >/six）

非常感謝您的幫助！我現在也在研究自己的問題的答案，但希望有人能給我一個提升！

來源

2009-10-22 BeachRunnerFred

帖子標題位看起來應該是'（[^ <] *）' – ysth 2009-10-22 06:22:56

我知道你是Perl新手，但'六個'是什麼意思？讓我想起那個簡化sinx/cosx到/ co – EmFi 2009-10-22 06:30:07

的都市傳奇人物請認識到這是一個不好的例子。 HTML不是一種常規語言，因此正則表達式不是解析它的好工具。 – Svante 2009-10-22 07:02:59

如何以下行工作...

（[^ 「] *）＃錨名

零個或更多的東西不屬於」捕獲爲$ 1，$ 2 ，或什麼的，這取決於支架數量（在我們。

如何做以下行工作...

（[^ >] *）＃發帖標題

零個或多個不是>，被捕獲爲$ 1，$ 2或其他任何東西。

什麼「六」是指在以下線...

</DD>/6）

S =匹配爲單線（這只是裝置那麼「。」匹配所有內容，包括\ n，否則它不會這樣做）
i =忽略大小寫不敏感
x =忽略空白在正則表達式。

x還能夠把意見變成正則表達式本身，所以像# Post title的東西有剛剛意見。

請參閱perldoc perlre瞭解更多/更好的信息。該鏈接適用於Perl 5.10。如果您沒有Perl 5.10，則應該查看Perl版本的perlre文檔。

來源

2009-10-22 06:19:33

非常感謝你！ – BeachRunnerFred 2009-10-22 06:22:04

「匹配爲單行」並不是很有用。/s的意思。匹配任何字符，包括換行符，而不是除了換行符之外的默認任何字符。 – ysth 2009-10-22 06:24:08

@ysth：我改變了你的建議。 – 2009-10-22 06:31:30

該代碼是一個擴展正則表達式。它允許你在你的正則表達式中輸入空格和註釋。參見perldoc perlre和perlretut。否則像正常。
相同。
字符是regex modifiers。

來源

2009-10-22 06:22:27 daotoad

[^"]*的意思是「不包含引號零個或多個字符的字符串」。這是由形成引用字符串的引號括起來的，其類型如下<a name=
[^>]*與上面類似，它表示任何不包含>的字符串。請注意，您可能的意思是[^<]，以匹配下一個標籤的開頭<，不包括實際開放。
這是一個PHP特定的正則表達式標誌的集合。我知道i表示不區分大小寫，其餘部分不確定。

來源

2009-10-22 06:22:55 Blindy

re：＃3 - 不，它不是PHP特有的。它們是PCRE正則表達式庫使用的標誌，可用於許多不同的語言。有關PCRE的完整詳細信息，請參見http://www.pcre.org/pcre.txt上的文檔。（PCRE = Perl兼容正則表達式） – 2009-10-22 09:37:42

無論如何，我仍然不知道他們都是什麼意思:) – Blindy 2009-10-22 14:54:48

我是Perl新手，有幾個正則表達式問題

回答

相關問題