正則表達式匹配`img`元素的`rel`屬性，它只存在有時

我正面臨一個Perl正則表達式的問題。在img元素上，我想匹配src屬性的值，該值以/file?id開頭，並與class和alt屬性匹配。我想忽略rel屬性有時存在，有時並不像下面存在：正則表達式匹配`img`元素的`rel`屬性，它只存在有時

<img rel="lightbox[45451]" src="/file?id=13166" class="bbc_img" alt="myimagess.jpg">  

<img src="/file?id=13166" class="bbc_img" alt="myimagess.jpg">

我的問題是如何處理的可選rel屬性。

我想這對於rel屬性匹配：

(?!\s+(rel)="([^"]+)")

它的工作原理時，有沒有rel屬性，但是當img有rel屬性失敗。

來源

2013-07-19 Laeeq

[不要這樣做]（http://stackoverflow.com/a/1732454/19068），使用一個真正的[HTML解析器]（https://metacpan.org/module/HTML::TreeBuilder :: XPath）。 – Quentin

一月：你的意思是（二）學習如何*不*正則表達式。 – innaM

@Quentin使用正則表達式來匹配一個已知的，有限的HTML/XML子集可以很好，這取決於所需的穩健性水平與複雜性和性能水平。當你知道爲什麼和後果是什麼時，也可以打破規則。 –

使用HTML::TreeBuilder::XPath來執行此操作的正確方法。這將忽略rel和任何其他屬性，也不依賴於標記中屬性的順序。

#!/usr/bin/perl 

use strict; 
use warnings; 

use HTML::TreeBuilder::XPath; 
use Test::More tests => 1; 

my $root= HTML::TreeBuilder::XPath->new_from_content(do { local undef $/; <DATA> }); 

# this is the important part 
my @imgs= $root->findnodes('//img[starts-with(@src,"/file?id=") and @class and @alt]'); 

# checks the results 
my $hits= join ' ', map { "H:" . src_id($_->{src}) } @imgs; 
is($hits, 'H:13166 H:13167', "one test"); 

# shows how to access the attributes 
foreach my $img (@imgs) 
    { warn "hit: src= $img->{src} - class=$img->{class} - alt: $img->{alt} - id= ", src_id($img->{src}), "\n"; } 

exit; 

sub src_id 
    { my($src)= @_; 
    return $src=~ m{/file\?id=(.+)$} ? $1 : 'no id'; 
    } 

__DATA__ 
<html> 
    <head><title>Test HTML</title></head. 
    <body> 
    <img rel="lightbox[45451]" src="/file?id=13166" class="bbc_img" alt="myimagess1.jpg"> 
    <img class="bbc_img" src="/file?id=13167" alt="myimagess2.jpg"> 
    <img src="/file?id=13168" class="bbc_img" > 
    <img src="/file?id=13169" alt="myimagess3.jpg"> 
    <img src="/foo" class="bbc_img" alt="myimagess.jpg4"> 
    </body> 
</html>

來源

2013-07-19 08:15:43 mirod

這是使用正確的HTML解析器做的微不足道。該程序演示使用HTML::TreeBuilder和look_down方法。

它搜索與所有元素：

'IMG' 的標籤名
的正則表達式匹配QR一個src屬性|^/文件\ ID = |
一個class的屬性，空正則表達式（即與值類屬性）
的alt屬性是空的正則表達式匹配匹配

你不是說你想做什麼元素一旦你找到它們。此代碼僅使用as_HTML來顯示它們。

use strict; 
use warnings; 

use HTML::TreeBuilder; 

my $html = HTML::TreeBuilder::XPath->new_from_file(\*DATA); 
my @images = $html->look_down(
    _tag => 'img', 
    src => qr|^/file\?id=|, 
    class => qr//, 
    alt => qr// 
); 
print $_->as_HTML, "\n" for @images; 

__DATA__ 
<html> 
    <head> 
    <title>Page title</title> 
    </head. 
    <body> 
    <img rel="lightbox[45451]" src="/file?id=13166" class="bbc_img" alt="myimagess.jpg">  
    <img src="/file?id=13166" class="bbc_img" alt="myimagess.jpg"> 
    <img src="/file" class="bbc_img" alt="myimagess.jpg"> /* mismatch id="" */ 
    <img src="/file?id=13166" alt="myimagess.jpg">  /* no class="" */ 
    <img src="/file?id=13166" class="bbc_img">   /* no alt="" */ 
    </body> 
</html>

輸出

<img alt="myimagess.jpg" class="bbc_img" rel="lightbox[45451]" src="/file?id=13166" /> 
<img alt="myimagess.jpg" class="bbc_img" src="/file?id=13166" />

來源

2013-07-19 08:51:33 Borodin

Web::Query勝！

use Web::Query 'wq'; 
my $html = <<''; 
<html> 
<img rel="lightbox[45451]" src="/file?id=13166" class="bbc_img" alt="myimagess1.jpg"> 
<img class="bbc_img" src="/file?id=13167" alt="myimagess2.jpg"> 
<img src="/file?id=13168" class="bbc_img" > 
<img src="/file?id=13169" alt="myimagess3.jpg"> 
<img src="/foo" class="bbc_img" alt="myimagess.jpg4"> 

print for wq($html)->find('img[src^="/file?id="][class][alt]')->attr('src'); 
__END__ 
/file?id=13166 
/file?id=13167

從中學習：XPath比CSS選擇器更強大，但CSS選擇器更短。

來源

2013-07-19 09:55:23 daxim

表示同意，雖然我在等待強制性的XSH2解決方案來贏得冠軍; - ） – mirod

正則表達式匹配`img`元素的`rel`屬性，它只存在有時

回答

相關問題