Question

我有各种超文本文件试图与以下文件链接:(1) 其他html文件,(2)图像文件,如jpg、png和bmp。我需要定期表达这一点,而且似乎不能说出这一点。

每一页的代码将类似于以下编码:

IMG作风=“MARGIN-BOTTOM: 20px;MARGIN-LEFT: 20px”=right src=“页: 1”>

IMG作风=“MARGIN-BOTTOM: 25px;MARGIN-LEFT: 25px”=right src=“页: 1”>

IMG作风=“MARGIN-BOTTOM: 20px;MARGIN-LEFT: 20px”=right src=“页: 1”>

href=“javascript:will.POPUP(eturl: 测试Doc001.htm, 类型:共有,width:600,hels:645})”>

href=“javascript:will.POPUP(eturl:Doc002.html, 类型:共有,width:700,hels:712})”>

例如,定期表达将以上述超文本的形式进行,并形成相应的阵列:

页: 1

测试Doc001.htm

测试Doc002.html

谁能帮助我? 非常感谢。

Answer 1

不要忘记,你试图用正常的言辞把超文本同住。 http://htmlagility Pack.codeplex.com/“rel=“nofollow” 超文本设备。

Answer 2

或许可以按照图像(使用群体)的思路:

IMG[^>]*src="([^"]*)"

而对于人口而言,情况也是如此:

url: ([^ ]*)

see also: regex testing tool: http://rubular.com/r/W5aSrgMD8B

Answer 3

页: 1

my $x = "your html";

#$1 - is a first group in match - (.+.(jpg|png))
while ($x =~ /<img .* src="(.+.(jpg|png))"/ig) {
    print "$1
";
}

while ($x =~ /<a( .)* href=".*url:( |")(.+.htm(l)?)( |").*/ig) {
    print "$3
";
}

产出:

images/sample001.jpg
images/sample002.png
testDoc001.htm
testDoc002.html

regexps <img .* src=”(+.+.(jp ng)>和<a( )* href= .*url:htm>+.l)? <代码>ig下定义,查询对个案不敏感,多重匹配

友情链接