关于perl-HTML解析的一点帮助

#!/usr/bin/perl
use strict;
use warnings;

use LWP::Simple;

my $html = get("http://www.spc.noaa.gov/climo/reports/last3hours.html")
    or die "Could not fetch NWS page.";

$html =~ m{Hail Reports(.*)Wind Reports}s || die; #Parentheses indicate capture group
my $hail = $1; # $1 contains whatever matched in the (.*) part of above regex
print "$hail\n";

未初始化的值警告来自$1—它没有在任何地方定义或设置。

对于行级别而不是字节级别“between”,可以使用:

for (split(/\n/, $html)) {
    print if (/Hail Reports/ .. /Wind Reports/ and !/(?:Hail|Wind) Reports/);
}

使用单行和多行匹配。另外,它只会拾取第一个匹配的中间文本,这会比贪婪快一点。

#!/usr/bin/perl -w

use strict;
use LWP::Simple;

   sub main{
      my $html = get("http://www.spc.noaa.gov/climo/reports/last3hours.html")
                 or die "Could not fetch NWS page.";

      # match single and multiple lines + not greedy
      my ($hail, $between, $wind) = $html =~ m/(Hail Reports)(.*?)(Wind Reports)/sm
                 or die "No Hail/Wind Reports";

      print qq{
               Hail:         $hail
               Wind:         $wind
               Between Text: $between
            };
   }

   main();

括号捕获正则表达式中的字符串。正则表达式中没有括号,因此$1没有设置为任何值。 如果你有:

$html =~ m{(Hail Reports)} || die;

如果$1存在于$html变量中,那么它将被设置为“Hail Reports”。既然你只想知道它是否匹配,那么现在你真的不需要捕捉任何东西,你可以写下这样的东西:

unless ( $html =~ /Hail Reports/ ) {
  die "No Hail Reports in HTML";
}

要捕获字符串之间的内容,可以执行以下操作:

if ( $html =~ /(?<=Hail Reports)(.*?)(?=Wind Reports)/s ) {
  print "Got $1\n";
}