个人中心
文章发布
退出
作者热门文章
- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
30
4
在 perl 中去除 HTML 标签的最简单方法是什么。我正在使用正则表达式从 URL 解析 HTML，效果很好，但我如何去除 HTML 标签？
这是我拉取 HTML 的方式
#!/usr/bin/perl -w
use strict;
use warnings;
use LWP::Simple;
my $now_string = localtime;
my $html = get("http://www.spc.noaa.gov/climo/reports/last3hours.html")
or die "Could not fetch NWS page.";
$html =~ s/<script.*?<\'/script>/sg;
$html =~ s/<.+?>//sg;
$html =~ m{(Hail Reports.*)Wind Reports}s || die;
my @hail = $1;
最佳答案
在 HTML 中使用正则表达式是一个坏习惯，因为有太多的规则和绕过它们的方法，最终可能会使您的代码暴露给黑客技术。虽然您现在可能对一些简单的东西有合理的需求，但重用代码很容易忘记为什么重用它是个坏主意，尤其是当您不添加像 # This code is NOT secure and should not be used to parse HTML anywhere else!!! 这样的注释时。或 # Christina Alguilera writes songs based on this code!!!
<div>...</div>
<div style="blah">
<div style="background:url(../div)">
<div style=".." class='noticesinglequote'>
这个列表还在继续，但仅适用于格式良好的 HTML。其他一些问题示例包括:
<div><span></div></span>)或根本没有关闭<dvi>..</div>)您可能已经接受了一个答案，但您应该看看 XML::Parser和 HTML::TreeBuilder .
与其剥离 HTML 文档的某些部分，您可能更感兴趣的是向下钻取您想要的文档部分(例如 <body> 中的所有内容或其中的某个 div)，这就是为什么您很可能想要上述模块之一提供的东西。更不用说，解析器可用于尽最大努力删除所有 HTML 元素并仅返回文本/CData。
关于html - 使用 perl 去除 HTML 标签，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/3176842/
30
4
0
给定一个字符串"5 900 000" 我想通过以下模式使用 gsub 去除空格: gsub(/\s/, '') 但这似乎行不通。也没有: gsub(' ', '') 最佳答案 如果你想就地替换，你需要
我编写了一个程序来抓取网站以获取数据并输出到 Excel 表。该程序使用 Microsoft Visual Studio 2010 用 C# 编写。 大多数时候，我从网站获取内容、解析内容并将数据存储
在 MS Access 2007 项目报告中，我有以下(已编辑)查询: SELECT SomeCol FROM SomeTable 问题是， SomeCol 显然包含一些不可见的字符。例如，我看到一个
如 Removing left recursion 中所述，有两种方法可以去除左递归。 使用一些过程修改原始语法以删除左递归 写文法原来没有左递归 人们通常使用什么来删除(没有)ANTLR 的左递归？
我在 CoreData 中存储了一堆艺术家，并希望按名称对它们进行排序，但忽略前缀“the”。例如，“The Beatles”将被排序为“Beatles”，有点像 iTunes/iPod 的做法。 因
我有一个 WebView ，我想从中删除弹性。现在，当滚动小于 webview 的页面时，它会产生弹性效果，显示下面的背景。我想删除这个。 我尝试过执行以下操作，但没有成功。它找到了 WebDynam
我正在调查我们公司使用 Prometheus 从我们在 Kubernetes 上运行的实验中收集统计数据。有计划使用标签来标记我们的云/集群中特定实验的名称。这意味着我们将生成大量标签，这些标签会随着
我正在添加聚合物元素。我想在单击其(自己的)图像时删除元素(自我)。根据封装，我将不得不让 parent 删除 child 。但这也需要为母体生成聚合物元素(我在这里吗？？)。 children.ad
现在如果我点击按钮 A，按钮 B 会显示 DropShadow 效果: Private Sub ButtonA_Click(ByVal sender As System.Object, ByVal
我尝试过这个，但它对我不起作用: char * remove_nl(char * newstr) { newstr = strdup(newstr); newstr[strlen(ne
我陷入了两难境地。我有一个图像，我想占据网页的背景。我希望它横跨屏幕的宽度和高度，并保持那个尺寸。当我使用 标签，我不知道如何将它拉伸(stretch)到没有白条的屏幕上。 wspace 和 hspa
Jade .foo .foo 结果 想要的结果 在 haml 中我会做类似 .foo>< 的事情但这在 Jade 中不起作用。我已经搜索并空手而归如何处理这个问题。我如何达到预期的结果
我是 Maven 的新手，当我尝试将我当前的项目从使用 Ant 转换为 -> 使用 Maven 时遇到了问题。 那个项目需要很多 Jar，我在 mvnrepository 上查找这些 jar 并将它们
我需要一个正则表达式来删除 xml 标记开头和结尾之间的空格。例如:有人创建 xml 并将其发送给我，这样我就可以验证、签名并发送到网络服务。 为此，我需要删除标签开头和结尾之间的空格: String
我写了几个方法来将项目添加到数组中，如果它们已经在数组中，它们将被忽略。在对数据结构做了一些研究之后，我意识到我可以通过简单地将它们放在一个集合中来摆脱重复(特别是因为我不关心对象的顺序)。然而，在玩
使用 HighCharts，我想移除 SVG 曲线上的抗锯齿。 到目前为止，我正在使用这个: $('path').each(function(i,j){$(j).attr('shape-renderi
由于某些奇怪的原因(黑色但不是黑色部分)，我的 SeekBar 和拇指后面出现随机阴影。我该如何摆脱它？ 我的搜索栏: 拇指.xml progress_appearance.xml(有一些
我有一个 Url，我想获取路径部分但没有尾随文件名。如果 Url 是 http://my.com/dir1/dir2/file.ext 那么我想获取 /dir1/dir2 . 我已经尝试了各种拆分(l
我有这个字符串: dataSourceURL = URL(string:"https://api.abc.com/api/p4/products?pid=uid8225&format=json&off
在我的网页中，我有一个菜单 (HorizontalPanel) 应该隐藏在页面的底部。为此，我尝试使用 RootLayoutPanel 类并在其中添加一个 south 小部件，我成功地做到了。但问
我是一名优秀的程序员,十分优秀！