Opened by Gast at 2003-09-07 16:34
User since
2003-08-04
2145 Artikel
ModeratorIn + EditorIn
2003-08-04
2145 Artikel
ModeratorIn + EditorIn
Zerlegen wir die Regex doch mal:
Du bist dir ueber die Bedeutung des '+' in regulaeren Ausdruecken wahrscheinlich nicht ganz im Klaren. Hast du perlrequick gelesen?
Da HTML deutlich komplizierter ist, als deine Regex oben, solltest du fuer diese Aufgabe einen HTML-Parser nehmen, in diesem Fall am einfachsten
HTML::LinkExtor.
Ausnahme: Du kennst genau den Aufbau der <a href>-Tags und kannst deshalb mit einer eingeschraenkten Regex leben.
Ein Beispiel:
Diese Regex erkennt schon einige <a href>-Tags, aber
- das href muss der erste Parameter sein (kein <a style=... href=...>! )
- die URI muss in Anfuehrungszeichen stehen (was der HTML-Spec entspricht)
- die Anfuehrungszeichen muessen doppelt sein (was nicht der HTML-Spec entspricht)
- nach der URI duerfen keine weiteren Parameter stehen (kein <a href=... style=...>! )
Du siehst, da sind ziemlich viele Einschraenkungen, wenn man es mit einer simplen Regex parsen will. Nimm lieber das Modul.
Code: (dl
)
1
2
3
4
5
6
7
8
9
< # Eine spitze Klammer auf
a+ # Eine Folge von einem oder mehr 'a's
[\s]+ # Eine Folge von einem oder mehr Zeichen aus der Menge [\s], d.h. Whitespace
href+ # Die Buchstabenfolge 'hre', gefolgt von einem oder mehr 'f's
=+ # Eine Folge von einem oder mehr Gleichheitszeichen
([\w])+ # Eine Folge von einem oder mehr Zeichen aus der Menge [\w], also Wortzeichen
# Das sind A-Z, a-z und '_'.
# Jedes einzelne Zeichen wird in einem der Speicher $1, $2, etc. gemerkt
> # Eine spitze Klammer zu
Du bist dir ueber die Bedeutung des '+' in regulaeren Ausdruecken wahrscheinlich nicht ganz im Klaren. Hast du perlrequick gelesen?
Da HTML deutlich komplizierter ist, als deine Regex oben, solltest du fuer diese Aufgabe einen HTML-Parser nehmen, in diesem Fall am einfachsten
HTML::LinkExtor.Ausnahme: Du kennst genau den Aufbau der <a href>-Tags und kannst deshalb mit einer eingeschraenkten Regex leben.
Ein Beispiel:
Code (perl): (dl
)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
if ($date =~ / <a # spitze Klammer auf und 'a' \s+ # Eine Folge von einem oder mehr Whitespacezeichen href # Der Text 'href' \s* # Eine Folge von keinem oder mehr Whitespacezeichen = # Ein Gleichheitszeichen \s* # Eine Folge von keinem oder mehr Whitespacezeichen " # Ein Anfuehrungszeichen ([^"]+) # Eine Folge von einem oder mehr Zeichen, die kein Anfuehrungszeichen sind. # Die Folge wird sich in $1 gemerkt. " # Ein Anfuehrungszeichen \s* # Eine Folge von keinem oder mehr Whitespacezeichen > # Eine spitze Klammer zu /xi # Ende der Regex; Kommentare erlauben und ignore-case einschalten ) [...]
Diese Regex erkennt schon einige <a href>-Tags, aber
- das href muss der erste Parameter sein (kein <a style=... href=...>! )
- die URI muss in Anfuehrungszeichen stehen (was der HTML-Spec entspricht)
- die Anfuehrungszeichen muessen doppelt sein (was nicht der HTML-Spec entspricht)
- nach der URI duerfen keine weiteren Parameter stehen (kein <a href=... style=...>! )
Du siehst, da sind ziemlich viele Einschraenkungen, wenn man es mit einer simplen Regex parsen will. Nimm lieber das Modul.