Probleme mit RegEx und dem herunterladen einer Website (gelöst) (Allgemeines zu Perl)

[thread]19546[/thread]

Probleme mit RegEx und dem herunterladen einer Website [gelöst]

Tags: perl5 regex Ähnliche Threads

Leser: 17

Articles: hide open all | hide show old branches

+4 replies
Corni

2015-03-08 13:19

User since
2015-03-08
7 Artikel
BenutzerIn

Hallo,
ich bin neu hier und kenne mich auch mit Perl nicht wahnsinnig aus. Viele der Begriffe für die Zuordnung der Fragen sagen mir nichts, also hoffe ich, dass ich meine Frage richtig zugeordnet habe.
Ich schreibe gerade eine Hausarbeit und brauche dafür als Grundlage ein Perl- Programm.
Ich lade mir dafür eine Website aus dem Internet herunter. Das klapp alles. Allerdings brauche ich für die Analyse nur den Beitrag, den der Autor in dem Forum auch tatsächlich geschrieben hat. Nur $Website=~ s/<.*?>//g reicht also nicht. Dann bleiben nämlich auch noch solche Dinge, wie "Next Thread" oder so, aber da das nicht vom Autor des Beitrages geschrieben wurde, muss ich das auch weg bekommen. Ich habe mir also die Seite genauer angesehen und versuche jetzt alle Tags zu entfernen. Also zb. <head>alles was dazwischen steht</head>. In Perl sieht das dann bei mir so aus $Website=~ s/<head>.*?<\/head>//g; Leider klappt das aber nicht. Nachdem das Programm gelaufen ist, gibt es <head> und dessen Inhalt immer noch.. Das zweite wäre <td irgendwas>. Das muss ich auch löschen. Aber mit $Website=~ s/<td .*?>.*?<\/td>//g; klappt das auch nicht.
Kann mir bitte jemand helfen?
Liebe Grüße
Last edited: 2015-03-08 13:31:21 +0100 (CET)
- bianca
  
  2015-03-08 17:39
  
  User since
  2009-09-13
  7016 Artikel
  BenutzerIn
  
  Warum hast du das Gelöst-Häkchen schon gesetzt? Hat es sich erledigt oder ein Versehen?
  10 print "Hallo"
  20 goto 10
- +2 replies
- Raubtier
  
  2015-03-08 18:00
  
  User since
  2012-05-04
  1076 Artikel
  BenutzerIn
  
  Ich rate mal, dass im Original Zeilenumbrüche drin waren. Normalerweise matcht der . in einem reg. Ausdruck beliebige Zeichen außer Umbrüche. Das kannst du mit dem RE-Modifier s (m//s) ändern: Also $multilineText =~ /irgendwas.*irgendwas/s;.
  
  Allerdings ist fraglich, ob du HTML überhaupt mit REs parsen willst. Ich finde dafür Mojo::DOM ganz nett.
  - Corni
    
    2015-03-10 17:03
    
    User since
    2015-03-08
    7 Artikel
    BenutzerIn
    
    Ursprünglich war das Häckchen ein Versehen, aber durch den Tipp von Raubtier hat sich meine Frage jetzt auch erledigt. Vielen Dank!

View all threads created 2015-03-08 13:19.