regex - 在 Perl 中重复编号的捕获组

Question

假设我正在尝试使用 Perl 正则表达式解析以下 html:

<h4>test</h4> <p>num1</p> <p>num2</p> <p>num3</p>
<h4>test</h4> <p>num1</p> <p>num2</p> <p>num3</p> <p>num4</p>

使用以下正则表达式:

<h4>([\w\s]*)</h4>(?:<p>([\w\s]+)</p>)+

在 Perl 中如何组织编号的组？ $1 显然包含 <h4>标记文本，但是当捕获组重复时，捕获的是 <p>标签然后发送到 $2 $3 和 $4？有没有一个好的方法来捕获所有的<p>数组中的标签？这甚至是 perl 支持的东西吗？还是我被迫为 <h4> 编写一个正则表达式？ ，然后是 <p> 的另一个的？

(我知道我可以使用 HTML::Tree 或类似的东西来解析 html，但这只是我用来帮助描述问题的简化示例，我真的只对如何重复编号捕获感兴趣小组在 Perl 中工作)

Answer 1

当您重复捕获组时，匹配器中只会存储最后匹配的组。

如果您想从重复组中获取每个匹配项，您可以使用带有回调函数的 replaceAll 或逐个迭代匹配项。

大多数语言也有一个“全部匹配”，我不知道在 perl 中该怎么做。这通常会为您将所有匹配项存储到一个数组中，但重复组仍仅存储为最后一个匹配组。