html - 我如何从 Perl 中的 HTML 表格中提取数据？

Question

我正在尝试在 Perl 中使用正则表达式来解析具有以下结构的表。第一行如下:

<tr class="Highlight"><td>Time Played</a></td><td></td><td>Artist</td><td width="1%"></td><td>Title</td><td>Label</td></tr>

这里我想取出“播放时间”、“艺术家”、“标题”和“标签”，并将它们打印到输出文件中。

我试过很多正则表达式，例如:

$lines =~ / (<td>) /
       OR
$lines =~ / <td>(.*)< /
       OR
$lines =~ / >(.*)< /
   

我现在的程序是这样的:

#!perl -w

open INPUT_FILE, "<", "FIRST_LINE_OF_OUTPUT.txt" or die $!;

open OUTPUT_FILE, ">>", "PLAYLIST_TABLE.txt" or die $!;

my $lines = join '', <INPUT_FILE>;

print "Hello 2\n";

if ($lines =~ / (\S.*\S) /) {
print "this is 1: \n";
print $1;
    if ($lines =~ / <td>(.*)< / ) {
    print "this is the 2nd 1: \n";
    print $1;
    print "the word was: $1.\n";
    $Time = $1;
    print $Time;
    print OUTPUT_FILE $Time;
    } else {
    print "2ND IF FAILED\n";
    }
} else { 
print "THIS FAILED\n";
}

close(INPUT_FILE);
close(OUTPUT_FILE);

Answer 1

不要使用正则表达式来解析 HTML。有大量的 CPAN 模块可以更有效地为您完成这项工作。

• Can you provide some examples of why it is hard to parse XML and HTML with a regex?
• Can you provide an example of parsing HTML with your favorite parser?
• HTML::Parser
• HTML::TreeBuilder
• HTML::TableExtract