使用Perl，我如何删除HTML文档中特定标签的内容？

我是新来的Perl。我必须在多行中找到并替换。使用Perl，我如何删除HTML文档中特定标签的内容？

$content =~ s/<picture[^>]*>(.*?)<\/picture>//gis;

我试过这些代码。所有的标签都在我的文件中被替换。任何人帮助我的错误是什么？

我的标签，

<picture width='960' height='705' baseline='360'> 
    <pict-header> 
    </pict-header> 
</picture>

现在

<picture></picture>

来源

2012-10-01 dinesh

要澄清一下，您想要删除标签中的任何标签以及该标签上的任何属性？ – mkb

是的，我已经删除了所有属性和''中所有标签的内部。 – dinesh

根据我想你想要做的更换，这里是你需要改变什么。您的表情与任何<picture>标记相匹配，直至第一个</picture>标记，无论它是否确实关闭了您匹配的第一个标记。

假设是非法的巢<picture>标签，所有你需要做的是在替代置换部分添加<picture></picture>，如：

$content =~ s/<picture[^>]*>(.*?)<\/picture>/<picture><\/picture>/gis;

提示：如果您有斜杠在其中表达处理，做这样的事情，所以你不需要逃避你的斜线：

$content =~ [email protected]<picture[^>]*>(.*?)</picture>@<picture></picture>@gis;

这还不完美！例如，这样的：

<picture stuff="adfgerth"><picture stuff="235wefw45"><somejunk /></picture></picture>

将被替换为：

<picture></picture></picture>

但现在你已经得到了其中一个正则表达式是不够的点，你可能需要一个XML解析器。

来源

2012-10-01 14:28:56 mkb

“（。？*）$含量=〜S/] *><\/picture>/<\/picture>/GIS;”不会在我的文件中替换这些代码。 – dinesh

您是逐行加载输入行还是将整个内容加载到单个缓冲区中？你需要做后者来进行多行搜索。通常'while（<>）{stuff}'不起作用。 – mkb

'open（FOUT，“> $ filename”）||死（“无法打开文件”）; foreach my $ line（@fcont）{ $ line =〜s/] *>（。*？）<\/picture>/<\/picture>/gis; print FOUT $ line; } 关闭FOUT;'这些我的代码。 – dinesh

您可以通过使用HTML解析器来解析HTML节省大量的头痛：

#!/usr/bin/env perl 

use strict; use warnings; 
use HTML::TokeParser::Simple; 

die "Need filename\n" unless @ARGV == 1; 
my ($filename) = @ARGV; 

my $parser = HTML::TokeParser::Simple->new(file => $filename); 

while (my $token = $parser->get_token) { 
    if ($token->is_start_tag('picture')) { 
     $parser->get_tag('/picture'); 
     print "<picture></picture>"; 
    } 
    else { 
     print $token->as_is; 
    } 
}

来源

2012-10-02 15:37:17

思南的答复工作，但更好的解决办法可能是使用DOM解析器，如Mojo::DOM（这是部分Mojolicious框架）。然后，您可以执行一些非常简单的操作，例如

#!/usr/bin/env perl 

use strict; 
use warnings; 

use Mojo::DOM; 

my $content = <<'END'; 
<picture width='960' height='705' baseline='360'> 
    <pict-header> 
    </pict-header> 
</picture> 
END 

my $dom = Mojo::DOM->new($content); 

$dom->at('picture')->replace('<picture></picture>')->root; 

print $dom;

来源

2012-10-02 17:38:40

使用Perl，我如何删除HTML文档中特定标签的内容？

回答

相关问题