我正在尝试从HTML文件中删除未使用的跨度(即没有属性的跨度),已经清除了其他正则表达式我不想要的所有属性.
我的正则表达式没有选择要删除的正确的开始和结束标记对,我遇到了问题.
my $a = 'a <span>b <span style="color:red;">c</span> d</span>e';
$a =~ s/<span\s*>(.*?)<\/span>/$1/g;
print "$a\
回报
a b <span style="color:red;">c d</span>e
但是我希望它能够回归
a b <span style="color:red;">c</span> de
帮助赞赏.
run*_*rig 11
#!/usr/bin/perl
use strict;
use warnings;
use HTML::Parser;
my @print_span;
my $p = HTML::Parser->new(
start_h => [ sub {
my ($text, $name, $attr) = @_;
if ( $name eq 'span' ) {
my $print_tag = %$attr;
push @print_span, $print_tag;
return if !$print_tag;
}
print $text;
}, 'text,tagname,attr'],
end_h => [ sub {
my ($text, $name) = @_;
if ( $name eq 'span' ) {
return if !pop @print_span;
}
print $text;
}, 'text,tagname'],
default_h => [ sub { print shift }, 'text'],
);
$p->parse_file(\*DATA) or die "Err: $!";
$p->eof;
__END__
<html>
<head>
<title>This is a title</title>
</head>
<body>
<h1>This is a header</h1>
a <span>b <span style="color:red;">c</span> d</span>e
</body>
</html>
正则表达式不足以解析HTML(或XML).你能想出的任何正则表达式都无法匹配甚至有效HTML的各种表述(更不用说现实世界的标签汤)了.
这是一个嵌套问题.Regex通常不能处理嵌套,但Perl有一个非标准的扩展来支持正则表达式递归:(？n),其中n是要递归的组号.所以像这样的东西会匹配你的例子中的两个跨度:
(<span[^>]*>.*+(?1)?.*+<\/span>)
不幸的是,这还不够,因为它需要能够计算属性和未分配的<span>开始标记,允许</ span>结束标记关闭任何一个.如果没有匹配属性span start-tags,我无法想到这样做的方法.
你需要一个HTML解析器,你应该使用一个,因为HTML/XML的正则表达式肯定是错误的.
不要使用regexp进行处理(HTML ==)XML.你永远不知道你会得到什么输入.考虑一下这个有效的HTML:
a <span>b <span style="color:red;" title="being closed with </span>">c</span> de
你能想到这个吗？
请改用XML处理器.
另请参阅相关问题(右侧)以查找您的问题.
| 归档时间： |
|
| 查看次数： |
3006 次 |
| 最近记录： |