我正在尝试获取字符串中的子字符串。字符串中可能有多个与该名称匹配的字符串。
<LI>
<A
HREF="65378161_12011_Q.pdf">
65378161_12011_Q.pdf
</A>
从上面的字符串我想得到文件名“65378161_12011_Q.pdf”。
if($line=~ m/((.*)Q\.pdf)/i ){
my $inside=$2;
print " file name:$inside \n";
}
这是我尝试过的，但它没有得到正确的子字符串。 有人可以帮忙吗。 如果有人能回答我的问题，我真的很感激。
【问题讨论】：
请参阅以下脚本：
#!/usr/bin/env perl
use strict;
use warnings;
my $string = "65378161_12011_Q.pdf";
if($string =~ m/((.*)?Q\.pdf)/i ){
my $inside=$2;
print " file name:$inside \n";
}
您的代码只是缺少“？”告诉正则表达式不要贪婪的字符。
另一种方法是匹配自身之前不是“Q”的所有字符：
m/(^[^Q]+)?Q\.pdf/i
编辑： 因为您使用不同的规范编辑了您的帖子： 如果您需要解析 HTML，我建议使用适当的模块：
不要使用正则表达式解析或修改 html！见其中之一 HTML::Parser 的子类：HTML::TokeParser、HTML::TokeParser::Simple、 HTML::TreeBuilder(::Xpath)?, HTML::TableExtract 等如果你的回应 开始“那是矫枉过正。我只想......”你错了。 http://en.wikipedia.org/wiki/Chomsky_hierarchy 和 here 为什么不在 HTML 上使用正则表达式
（这是关于使用正则表达式从 irc.freenode.org 上的#perl 频道解析 HTML 的提醒）
编辑 2：
这是一个完整的工作示例：
#!/usr/bin/env perl
use strict;
use warnings;
use HTML::TreeBuilder;
my $tree = HTML::TreeBuilder->new_from_content('
<LI>
<A
HREF="65378161_12011_Q.pdf">
65378161_12011_Q.pdf
</A>
');
$tree->look_down("_tag", "a")->as_text =~ m/(^[^Q]+)Q\.pdf/i && print "$1\n";
【讨论】：
自从 .将匹配所有内容，只需删除它周围的括号。
#!/usr/bin/perl
my $line = "65378161_12011_Q.pdf";
if ($line =~ m/(.*Q\.pdf)/i )
{
my $inside = $1;
print "filename = $inside\n";
}
产生正确的输出。
希望对你有帮助。
曼尼
【讨论】：
use strictures;
use Web::Query qw();
my $w = Web::Query->new_from_html(<<'HTML');
<LI>
<A
HREF="65378161_12011_Q.pdf">
65378161_12011_Q.pdf
</A>
HTML
$w->find('a')->attr('href');
# expression returns '65378161_12011_Q.pdf'
$w->find('a')->text;
# expression returns ' 65378161_12011_Q.pdf '
【讨论】：