我想能够在页面中显示的HTML块中获取"Target":
<h3>
<a href="http://link"> Target
</a> </h3>
我可以指望可靠的间距.我不能指望的是"目标"将始终包含在锚标记中.有时,它看起来像这样:
<h3>
Target
</h3>
我可以匹配第一个版本并使用此正则表达式轻松提取"目标":
/<h3>\s+<a href=.*>\s+(.*)\s+<\/a>\s+<\/h3>/
但是我很难写出一个能与之匹敌的东西.有任何想法吗？
不要使用正则表达式来解析HTML.在大多数情况下,它更值得痛苦.使用旨在解析HTML的库.
#!/usr/bin/perl
use v5.16;
use strict;
use warnings;
use HTML::TreeBuilder;
my $data = qq{<body><h3>
<a href="http://link"> Target
</a> </h3></body>
};
my $otherdata = qq{<body><h3>
Target
</h3></body>
};
my $t = HTML::TreeBuilder->new_from_content($data);
say $t->look_down(_tag => "h3")->as_text();
$t = HTML::TreeBuilder->new_from_content($otherdata);
say $t->look_down(_tag => "h3")->as_text();