Perl Regex 解析第一个锚 <a> 标记答案

【问题标题】：Perl Regex to parse first anchor <a> tagPerl Regex 解析第一个锚 <a> 标记
【发布时间】：2019-06-03 03:23:51
【问题描述】：

下面的 HTML 页面有两个 anchor 标记作为我的 perl 脚本的输入：

<a href="link.html"> TITLE </a> <a href="link.html"> SUB TITLE </a>

我只想提取标题，即我只需要来自第一个锚标记 <a> 的文本，第二个锚标记 <a> 文本应该被忽略。我只需要使用 Perl 正则表达式来做到这一点。

我在正则表达式下尝试过，但它没有按预期工作：

<a[^>]*[^>]*>(?!.*a>.*)a>

整个脚本是这样的：

#!/usr/bin/perl

use strict;
use warnings;

my $str = '<a href="link.html"> TITLE </a> <a href="link.html"> SUB TITLE </a>';

my $res = $str =~ m/<a[^>]*[^>]*>(?!.*a>.*)a>/;

print $res;

执行：

 prakash@prak-pc:~$ perl regtest.pl 
 prakash@prak-pc:~$

【问题讨论】：

为什么不使用适当的 HTML 解析器，例如 Mojo::DOM、HTML::TreeBuilder 或 HTML::LinkExtor？还请edit您的帖子并向我们展示一些有代表性的输入数据，这些数据显示您的代码如何失败。还请告诉我们您现有的正则表达式如何无法按预期工作。
如果不全局执行匹配，<a[^>]*>(.*?)<\/a> 就够了。在这里查看regex101.com/r/SvqGvi/1
如果这是家庭作业，请提前告诉我们。否则，让您的系统管理员安装现成的模块。
然后edit 您的帖子并告诉我们您现有的正则表达式如何失败。我们需要minimal reproducible example，然后才能继续进行。另一方面，安装其中一个模块或将其中一个模块复制到源代码中并不难。
@Corion，已编辑。请立即检查并帮助我。

标签： regex perl parsing

【解决方案1】：

my $str = '<a href="link.html"> TITLE </a> <a href="link.html"> SUB TITLE </a>';
my ($res) = $str =~ m~<a[^>]*>(.*?)</a>~;
print $res,"\n";

说明：

m~          # match operator, delimiter
    <a      # literally <a
    [^>]*   # 0 or more any character tat is not >
    >       # >
    (.*?)   # group 1, 1 or more any character, not greedy
    </a>    # literally
~           # regex delimiter

如果您不想匹配前导空格和尾随空格，可以使用m~<a[^>]*>\h*(.*?)\h*</a>~。

【讨论】：

【解决方案2】：

/^(?:<a[^>]*>)([^<]*)/

查看 regex101 上的演示 https://regex101.com/r/Po3goc/1

^ 在行首断言位置非捕获组 (?:]>) ]
- 量词 - 在零次和无限次之间匹配，尽可能多次，根据需要回馈（贪婪）
  
  匹配字符 > 字面意思（区分大小写）匹配字符 > 字面意思（区分大小写） 1st Capturing Group ([^) 匹配下面列表中不存在的单个字符 [^
- 量词 - 在零次和无限次之间匹配，尽可能多次，根据需要回馈（贪婪）

【讨论】：