将单词从一个文件删除到输出文件的Perl脚本

我很确定这是非常基本的。然而，我不知道Perl，只需要使用它一次。所以我感谢你的耐心

我正在尝试从下面一行HTML中删除不需要的文本：

我只想剩下

运行可打印的TCI列表（修订版）

，它是

前面末尾的文本。我有大约500行这样的代码，因为它们将来可能会被更改，所以创建一个程序是有意义的。以下是我迄今为止的Perl代码：

open（SEARK，'C:\\HTMLsorter\\sources.txt'）；
打开（OUTSEARK，'>C:\\HTMLsorter\\OUTSEARK.txt'）；
while（）{
咀嚼；
如果（$）；
@itemsb=split（/您可以在一行中完成此操作

cat inputfile|perl -ne 'if (s#<a\s+target[^>]+>(.+?)</a>##is){print "$1\n";}'>outputfile

cat输入文件| perl-ne'if（s#
'|\
perl-ne'if（s#]+>（.+？）##is）{print“$1\n”；}
运行可打印的TCI列表（修订版）
运行可打印的TCI列表1（修订版）
运行可打印的TCI列表2（修订版）
运行可打印的TCI列表3（修订版）
#！/usr/bin/perl
严格使用；
使用警告；
打开IFH，'output.txt'；
而（）{
如果（/（.*）/i）
{
$_ = $1;
s///g；
打印H“$\n”；
}
}
关闭IFH；
关闭OFH；
您应该使用一个合适的HTML解析器，例如。该程序演示的代码并不复杂

使用严格；
使用警告；
使用HTML:：TreeBuilder；
my$tree=HTML:：TreeBuilder->new_from_file（*数据）；
将$打印为文本，“\n”表示$树->向下查看（_tag=>a'，target=>qr/）；
__资料__

输出

运行可打印的TCI列表（修订版）


编辑

要在示例中的文件上使用此技术，代码如下所示

使用严格；
使用警告；
使用HTML:：TreeBuilder；
my$tree=HTML:：TreeBuilder->new_from_文件（'C:\HTMLsorter\sources.txt'）；
打开我的$out，“>”，“C:\HTMLsorter\outseark.txt”或die$！；
将$out$打印为文本，“\n”表示$tree->look\u down（_tag=>a'，target=>qr/）；


编辑2

现在我更好地了解了您需要什么，我可以提供这个替代解决方案。它使用模块访问HTML文档的文档对象模型，因为使用
HTML:：TreeBuilder
获得所需的结果相对比较困难

我还注意到，您的示例HTML包含
修订版
，显然应该是
修订版
，我已经在这个示例测试中对其进行了更正。无论如何，Perl尝试像浏览器一样解析坏HTML，即使有错误，输出也是可用的

使用严格；
使用警告；
使用HTML:：DOM；
my$dom=HTML:：dom->new；
$dom->parse_文件（'C:\HTMLsorter\sources.txt'）或die$！；
打开我的$out，“>”，“C:\HTMLsorter\outseark.txt”或die$！；
打印$out$\->innerHTML，“\n”表示grep$\->attr（'target'），$dom->getElementsByTagName（'a'）；

输出

（已更正标签）

运行可打印的TCI列表（修订版）

（带原始标签）

运行可打印的TCI列表（修订版）
cat

是一个无用的额外过程。放下它，让Perl直接读取输入文件：

Perl-ne'…'inputfile>outputfile

是的，这是可能的，但我喜欢这种方式。它显示了将脚本嵌入管道的能力。谢谢你的评论。谢谢你的帮助！这对我帮助很大。我不明白当应用于示例数据时，您的代码会精确地生成您所说的所需的输出（减去双引号）。您是否可以稍后通过添加

s/\//g

等来修复它？问题是，我想保留这些，因为它们在那里是有原因的。很抱歉，让您感到困惑，因为此时我正在修补，以检查这是否真的是问题。谢谢您的评论。我现在明白了为什么我误解了您的问题。StackOverflow标记吞没了您使用的HTML标记，它们在显示的问题中是不可见的。此外，您发布的两个示例输出字符串完全相同，只是其中一个字符串中有一个虚假的双引号。我编辑了您的帖子，以显示我认为您的意图，并在我的答案中添加了一个新的工作解决方案。请让我知道我的假设是否正确。感谢您的回答，并对迟来的答复表示抱歉。这帮助很大。这是一个非常糟糕的做法，因为它依赖于HTML中属性的顺序。不要这样做。

echo '<a target="_blank"          href="http://sharepoint/sites/cerner/quickreferenceguides/Documents/EXP001_Run_Printable_TCI_List.pdf" onmouseover="return overlib('This guide outlines the process for running a printable TCI List', CAPTION, 'TCI LIST');" onmouseout="return nd();">Run Printable TCI List (<i>Revised<i>)</a>
<a target="_blank"          href="http://sharepoint/sites/cerner/quickreferenceguides/Documents/EXP001_Run_Printable_TCI_List.pdf" onmouseover="return overlib('This guide outlines the process for running a printable TCI List', CAPTION, 'TCI LIST');" onmouseout="return nd();">Run Printable TCI List 1(<i>Revised<i>)</a>
<a target="_blank"          href="http://sharepoint/sites/cerner/quickreferenceguides/Documents/EXP001_Run_Printable_TCI_List.pdf" onmouseover="return overlib('This guide outlines the process for running a printable TCI List', CAPTION, 'TCI LIST');" onmouseout="return nd();">Run Printable TCI List 2(<i>Revised<i>)</a>
<a target="_blank"          href="http://sharepoint/sites/cerner/quickreferenceguides/Documents/EXP001_Run_Printable_TCI_List.pdf" onmouseover="return overlib('This guide outlines the process for running a printable TCI List', CAPTION, 'TCI LIST');" onmouseout="return nd();">Run Printable TCI List 3(<i>Revised<i>)</a>'|\
perl -ne 'if (s#<a\s+target[^>]+>(.+?)</a>##is){print "$1\n";}'

Run Printable TCI List (<i>Revised<i>)
Run Printable TCI List 1(<i>Revised<i>)
Run Printable TCI List 2(<i>Revised<i>)
Run Printable TCI List 3(<i>Revised<i>)

#!/usr/bin/perl
use strict;
use warnings;

open IFH, '<myfile.txt';
open OFH, '>output.txt';

while (<IFH>) {
  if (/<a\s+target.*?>(.*?)<\/a>/i)
  {
    $_ = $1;
    s/<.*?>//g;
    print OFH "$_\n";
  }
}

close IFH;
close OFH;