在 perl 中处理 curl 输出

Question

我正在处理来自curl -s 的输出。 具体来自这个页面：https://support.microsoft.com/en-us/help/971058/how-do-i-reset-windows-update-components

在我陈述我的目标之前，我会提到我只对从该页面的 curl 输出中提取所需数据的答案感兴趣。 （我知道此页面上建议的操作已经以文本、powershell 脚本等形式提供。）

最终目标是获取 dll 列表。 应该快速完成而不大惊小怪（所以单行），但现在它已成为我的学习经历。基本的正则表达式是/regsvr32.exe (.*?\.dll)/。

我感兴趣的 curl 输出看起来像这样（注意缺少换行符）：

<li>regsvr32.exe a.dll</li><li>regsvr32.exe b.dll</li>etc

所以我尝试了 perl，如下所示： perl -F"li" -lane 'print $1 if /regsvr32.exe (.*?\.dll)/g'

（逻辑是我可以在任何“li”出现时草率地拆分，并且仍然应该得到合理的结果，我可以稍后进行微调）

我根本无法让-F 工作。我尝试了单个字符，我尝试了像 /PATTERN/ 这样的正则表达式，我尝试省略各种其他标志（特别是 -l），我写了一个单行来显示拆分。我无法进行分裂。

然后我检查了 curl 手册页，看看它是否有任何可能有帮助的输出消毒剂。这是一个很长的手册页，但我什么也没看到。

然后我突然想到，如果我编写的 perl 能够正常工作，无论同一个正则表达式是否在同一行上多次匹配，那将是一件好事。但是我找不到任何适合单线的东西。

我能找到的最明智的方法是生成所需的单行输出：

curl -vs \
https://support.microsoft.com/en-us/help/971058/how-do-i-reset-windows-update-components 2>&1 | \
perl -pe 's|</li>|\n|g' | \
perl -lne 'print $1 if /regsvr32.exe (.*?\.dll)/'

谁能提出一些不那么荒谬的建议？

另外，我喜欢任何对 Perl 的 -F 参数的解释，它比 perldoc perlrun 更有启发性。

Answer 1

无需拆分<li> 元素或使用解析器（您不关心文档的结构），因此您只需搜索regsvr32.exe 字符串直到下一个<字符。

curl $msft_url | perl -lane 'print for ( m|regsvr32.exe (.+?.dll)<|g );'

要处理多个捕获，您将需要一个额外的while 循环来迭代匹配对。 shift 命令从数组中提取第一个元素，reverse 命令反转数组。这会捕获 2 个字符串并以相反的顺序打印它们：

curl $msft_url | perl -lane '@m = m|(regsvr32).exe (.+?.dll)<|g; while (@m) { print join " ", reverse(shift @m, shift @m) };'

Answer 2

我发现了如何执行我正在尝试的另一种方法（有点），即让 perl 进行拆分。关键是-a 和-F 不决定记录拆分行为。只有-0 可以。

-a 将 每个 记录（在内部）拆分为 @F 数组，文档现在似乎完全清楚地说明了这一点。 @F 数组主要用于awk 样式，因此可以很容易地说“打印第二列”（$F[1]）。所以我可以改写为“-0 通常是获取行的方式，-a 通常是获取列的方式，粗略地说。”

但是，它可以服务于目的：

curl -vs \
https://support.microsoft.com/en-us/help/971058/how-do-i-reset-windows-update-components 2>&1 \
| perl -F'<\/li>' -lane 'foreach my $match (map { /regsvr32.exe (.+?.dll)/ } @F) {print"$match"}

出于显而易见的原因，我更喜欢这个问题的公认解决方案，但我可以看到这种方法在其他地方很方便。 PS---0 的解决方案（使用> 上的记录拆分）是：

| perl -0x3c -ne 'print "$1\n" if /regsvr32.exe (.+?\.dll)/'