html - Perl 正则表达式从嵌套的 html 标签中提取值

Question

$match = q(<a href="#google"><h1><b>Google</b></h1></a>);
if($match =~ /<a.*?href.*?><.?>(.*?)<\/a>/){
$title = $1;
}else {
$title="";
}
print"$title";

输出:Google</b></h1>

应该是:Google

无法在 Perl 中使用正则表达式从链接中提取值，它可能有一个或多或少的嵌套:

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

请试试这个:

1) Unix shell

2)

惠普

3) 通用);

4) [1]

输出:

Unix 外壳

生命值

一般

[1]

Answer 1

如评论中所述，不要使用正则表达式。我特别喜欢 Mojo suite ，这让我可以使用 CSS 选择器:

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";

或用HTML::TreeBuilder::XPath :

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";