从嵌套的html标记中提取值的Perl正则表达式

请试试这个：

(一)

(二)

3） ）

(四)

输出：

unixshell

惠普

一般的

[1] 试试这个：

<h1><b><i>Google</i></b></h1>

试试这个：

<h1><b><i>Google</i></b></h1>

对于这个您可以使用的简单案例：需求不再简单，请查看@amon关于如何使用HTML解析器的答案

/<a.*?>([^<]+)</

---

对于这个您可以使用的简单案例：需求不再简单，请查看@amon关于如何使用HTML解析器的答案

/<a.*?>([^<]+)</

---

---

如注释中所述，不要使用正则表达式。我特别喜欢，它允许我使用CSS选择器：

echo '<td><a href="/wiki/Unix_shell" title="Unix shell">Unix shell</a>
<a href="http://www.hp.com"><h1><b>HP</b></h1></a>
<a href="/wiki/Generic_programming" title="Generic programming">generic</a></td>);' | perl -ne '/<a.*?>([^<]+)</; print "$1\n"'
Unix shell
HP
generic

---

如注释中所述，不要使用正则表达式。我特别喜欢，它允许我使用CSS选择器：

echo '<td><a href="/wiki/Unix_shell" title="Unix shell">Unix shell</a>
<a href="http://www.hp.com"><h1><b>HP</b></h1></a>
<a href="/wiki/Generic_programming" title="Generic programming">generic</a></td>);' | perl -ne '/<a.*?>([^<]+)</; print "$1\n"'
Unix shell
HP
generic

---

我提出了这个正则表达式，它适用于PCRE下的所有采样输入。这个正则表达式等价于具有尾部递归模式（？1）的正则语法*

（？）（（？：\w+（：\s*）（？：\1）*

---

只需获取返回数组的第一个元素，即array[0]

我提出了这个正则表达式，它适用于PCRE下的所有采样输入。这个正则表达式等价于具有尾部递归模式（？1）的正则语法*

（？）（（？：\w+（：\s*）（？：\1）*

---

---

只需获取返回数组的第一个元素，即数组[0]

不要使用正则表达式解析HTML。这是个坏主意™.你的表达是“把所有的东西都拿走，直到结束”，这就是你得到的。您需要使用

Perl有许多优秀的HTML解析器（例如）。不要使用正则表达式。我知道如何提取值，几乎可以工作，在排除结束标记时失败，知道吗？不要使用正则表达式解析HTML。这是个坏主意™.你的表达是“把所有的东西都拿走，直到结束”，这就是你得到的。您需要使用

Perl有许多优秀的HTML解析器（例如）。不要使用正则表达式。虽然我知道用于提取值，几乎可以工作，但在排除结束标记时失败，有什么想法吗？Floris，它可以有一个或多个嵌套：@user1239790-我已经给出了第二个表达式来处理“任何嵌套”。尝试了以下操作：不起作用：if（$match=~（[^>]*？）/{$title=$1；}else{$title=”“；}你用的表达方式和我说的不一样。当你使用我的第二个表达式时，你得到了什么结果？我试过了，很好。正在工作。。。只需要删除***下的html标记（如果有）并获取值。Floris，它可能有一个或多个嵌套：@user1239790-我已经给出了第二个表达式来处理“任何嵌套”。尝试以下操作：无效：if（$match=~/（[^>]*？）/）{$title=$1；}否则{$title=“；}您使用的表达式不是我给出的表达式。当你使用我的第二个表达式时，你得到了什么结果？我试过了，很好。正在工作。。。只需要删除***下的html标记（如果有）并获取值。@user1239790您开始明白为什么不应该使用正则表达式了吗？您的表达式不应该是

/（[^>]+）是的，我看到了，正则表达式与标记有关，我们不能为上面的问题提供正则表达式解决方案吗？这将在嵌套标记之间获取文本
/（？）（[^>@hwnd确实如此-但它（答案中给出的表达式，而不是注释中的表达式）将因多个嵌套标记而失败。@user1239790您开始明白为什么不应该使用正则表达式了吗？您的表达式不应该是
/（[^>]+）是的，我看到了，正则表达式与标记有关，我们不能为上面的问题提供正则表达式解决方案吗？这将在嵌套的标记之间抓取文本。
/（？）（[^>@hwnd是的-但是它（答案中给出的表达式，而不是注释中的表达式）将因多个嵌套的标记而失败。
use Mojo;

my $dom = Mojo::DOM->new(q(<a href="#google"><h1><b>Google</b></h1></a>));

print $dom->at('a[href="#google"]')->all_text, "\n";

use HTML::TreeBuilder::XPath;

my $dom = HTML::TreeBuilder::XPath->new_from_content(q(<a href="#google"><h1><b>Google</b></h1></a>));

print $dom->findvalue('//a[@href="#google"]'), "\n";