在 Perl 中搜索、创建和移动答案

【问题标题】：Search, Create and Move in Perl在 Perl 中搜索、创建和移动
【发布时间】：2012-05-06 10:13:23
【问题描述】：

我有一个包含大约 800 个 html 文件的目录。我正在尝试搜索每个文件并返回标签之间的文本。然后我想用该文本创建一个目录并在那里移动（或复制）文件。当我想到这一点时，这似乎是一项非常容易的尝试，但即使确定我需要的模块，我也遇到了很多问题。我已经查看了 File::Find 和 glob，但我不确定如何在文件中使用 txt 的正则表达式（而不是文件名）来实现这一点。我基本上是 perl 的新手，所以任何和所有的帮助都会受到赞赏。提前致谢。

编辑澄清一下：我要完成的工作：

读取目录 = ~/me/project/

对于 ~/me/project/ 找到所有文件 =~ /.html$/i

对于每个文件，在 html 中搜索 = div class="recip" id="objectTo">(.*) /div

为每个 (.*) IE john@doewww.com 或 John Doe 创建一个具有相同名称的目录

循环并移动每个具有 xxxxxxxx@xxxxx.com 或 John Doe 实例的文件到其对应的目录。

非常感谢您的帮助！

【问题讨论】：

代码应该如何确定移动或复制文件的名称？
通过标量。我最初的想法是我可以写一个正则表达式，比如 $html =~ m{(.*)} 。匹配会返回一段文本，类似于“From John Doe”。然后将创建一个名为“From John Doe”的文件夹。然后，与该 From 行匹配的所有文件都将移到那里。所以也许它实际上是一个数组？我有 800 个文件，其中包含大约 180 个独特的“发件人”值，我正在尝试捕获它们。
请编辑您的问题，以提供您希望用于确定移动或复制文件名的 HTML 的简要示例。代码应该如何找出“From”值？请记住，我们完全不熟悉您的问题，需要具体信息才能为您提供有用的建议。

标签： regex perl html-parsing

【解决方案1】：

使用 File::Find，您走在了正确的轨道上。

您将创建一个“wanted()”函数，在该函数中，找到的文件的名称将是 $File::Find::name。然后，您可以使用它来打开文件句柄、读入文件、搜索标签并提取您要查找的数据，然后关闭文件句柄。 File::Find 将移动到下一个文件。

#! /usr/bin/perl

use warnings;
use strict;
use File::Find;

sub wanted {
    my $file=$File::Find::name;

    # if the file has the extension '.html' (case insensitive) ...
    if( $file =~ /\.html$/i ) {
        my $FH;
        open( $FH, '<', $file) or die "Could not open '$file' for reading: $!";
        local $/ = '';
        my $contents = <$FH>; # slurp file into $contents
        # search $contents for the tags that you're looking for,
        # 
        close $FH;
    }
}

my @directories = (
      './htmlfiles'
    , './www'
    , './web'
);

find(\&wanted,  @directories);

警告：代码通过perl -c，但我还没有运行。

【讨论】：

【解决方案2】：

对于您问题的第二部分，请查看 HTML::Strip 以从文本中剥离 HTML 标记。

【讨论】：

HTML::Restrict 也可用于删除标记。
谁说过脱衣？附加到该问题的评论类似于rar 宁愿有选择地在DOM 中的某个位置抓取一些文本，Web::Query 和HTML::TreeBuilder::XPath 是适合的。一旦标记消失，这将相当困难。
感谢您澄清 daxim。这是完全正确的。我希望 html 文件完好无损，只要我的正则表达式与我匹配的内容一致，我就不需要删除标记。我正在使用标签来识别我想用作将要创建的目录名称的文本。