regex - 从 chomped 行中获取 Perl 分隔符之间的值

Question

我试图使用正则表达式获取 Perl 中两个分隔符之间的值。我正在打开一个文件并使用 chomp 逐行浏览该文件。文件外观示例:

"This is <tag> an </tag> example
of the <tag> file </tag> that I
am <tag> trying </tag> to <tag> parse </tag>"

我能够得到前几个单词:“an”、“file”，但在第三行我只能得到“trying”而不能得到“parse”。这是我尝试使用的代码:

while (chomp($line = <$filename>)){
   ($tag) = $line =~ m/<tag>(.*?)<\/tag>/;
   push(@tagarray, $tag);
}

我怀疑这与 chomp 有关，但不知道如何以不同的方式解析文件。

Answer 1

您需要修改正则表达式以获取多个匹配项:

my @tags = $line =~ m/<tag>(.*?)<\/tag>/g;

您最好使用 HTML 解析器来执行此操作。用正则表达式解析HTML是fraught with peril 。例如，看一下 HTML::TagParser :

my $html = HTML::TagParser->new(<<'EOF');
This is <tag> an </tag> example
of the <tag> file </tag> that I
am <tag> trying </tag> to <tag> parse </tag>
EOF

my @tags = $html->getElementsByTagName('tag');
my @tagarray = map { $_->innerText() } @tags;