分页： 1 / 1
正则匹配网页中 div 框架的问题
发表于 ： 2011-06-23 16:51
由 liumailong
div 框架是网页中常见的元素，由“<div”开头 “</div>”结尾后很有规律性。
但用正则匹配特定的 div 框架，却不容易。
关键在于框架套嵌的问题，即 div 框架中还有其它的 div 框架。
如果还不知道其它 div 框架的数量，更是难解。
再下研究了很久还是没想到解法，特来请教大家。
下面是个例子：要匹配 <div class="cont"> 框架的全部内容该如何做？（最好用单行 Perl)
注意：“... ...”表示还有其它的 div 框架省略了
代码： 全选
... ... ... ... ... ... （省略 N 个 div 框架 )
<div class="tabs">
<div class="cont">
<div class="list1" id="zbtj_div1">
<ul>
<script>
(function() {
document.write(ListOther(window.ZhongBangRecom || [], 14, 6));
})();
</script> </ul>
</div>
... ... ... ... ... ... （省略 N 个 div 框架 )
<div class="list1" id="zbtj_div2" style=" display:none">
<div class="box2" id="divbjzp"></div>
</div>
<div class="list1" id="zbtj_div3" style=" display:none;padding:0;">
<div class="box" id="divmjzp" style="height:auto"></div>
</div>
</div>
</div>
</div>
... ... ... ... ... ... （省略 N 个 div 框架 )
Re: 正则匹配网页中 div 框架的问题
发表于 ： 2011-06-23 20:48
由 lilydjwg
LZ 发帖不看版面啊，既然你要单行 Perl，那么下面那个拿去改好了：
将所有匹配的<>替换为空字符串
代码： 全选
s/(<(?:[^<>]++|(?1))*>)//g
BTW: 你实在是应当用 HTML 解析器。
Re: 正则匹配网页中 div 框架的问题
发表于 ： 2011-06-23 21:56
由 fanhe
正常的正则表达式是不支持嵌套匹配的
因为有限状态自动机是有限的, 没法记住不定数量的嵌套的
用脚本语言的解析器不是挺好啊
Re: 正则匹配网页中 div 框架的问题
发表于 ： 2011-06-25 18:42
由 liumailong
fanhe 写了：正常的正则表达式是不支持嵌套匹配的
因为有限状态自动机是有限的, 没法记住不定数量的嵌套的
用脚本语言的解析器不是挺好啊
Perl 可以，但要先声明变量，不知道单行怎么写....
Re: 正则匹配网页中 div 框架的问题
发表于 ： 2011-06-25 19:55
由 fanhe
liumailong 写了：fanhe 写了：正常的正则表达式是不支持嵌套匹配的
因为有限状态自动机是有限的, 没法记住不定数量的嵌套的
用脚本语言的解析器不是挺好啊
Perl 可以，但要先声明变量，不知道单行怎么写....
这不是正常的(编译原理中的)正则表达式
它自己扩展过的
Re: 正则匹配网页中 div 框架的问题
发表于 ： 2011-06-25 20:00
由 liumailong
fanhe 写了：liumailong 写了：fanhe 写了：正常的正则表达式是不支持嵌套匹配的
因为有限状态自动机是有限的, 没法记住不定数量的嵌套的
用脚本语言的解析器不是挺好啊
Perl 可以，但要先声明变量，不知道单行怎么写....
这不是正常的(编译原理中的)正则表达式
它自己扩展过的
有办法单行吗？
Re: 正则匹配网页中 div 框架的问题
发表于 ： 2011-06-25 23:12
由 fanhe
liumailong 写了：fanhe 写了：liumailong 写了：fanhe 写了：正常的正则表达式是不支持嵌套匹配的
因为有限状态自动机是有限的, 没法记住不定数量的嵌套的
用脚本语言的解析器不是挺好啊
Perl 可以，但要先声明变量，不知道单行怎么写....
这不是正常的(编译原理中的)正则表达式
它自己扩展过的
有办法单行吗？
我完全不懂 perl 的
Re: 正则匹配网页中 div 框架的问题
发表于 ： 2011-06-25 23:24
由 yjcong
排队等神谕
Re: 正则匹配网页中 div 框架的问题
发表于 ： 2011-06-27 16:30
由 liumailong
lilydjwg 写了：LZ 发帖不看版面啊，既然你要单行 Perl，那么下面那个拿去改好了：
将所有匹配的<>替换为空字符串
代码： 全选
s/(<(?:[^<>]++|(?1))*>)//g
BTW: 你实在是应当用 HTML 解析器。
研究几天了，想不出来
能直接给答案吗？
Re: 正则匹配网页中 div 框架的问题
发表于 ： 2011-06-27 16:31
由 eexpress
perl -e 'xxxxxxxxxxxxxxxxx;'
想咋写，就咋写。
Re: 正则匹配网页中 div 框架的问题
发表于 ： 2011-06-27 16:52
由 liumailong
eexpress 写了：perl -e 'xxxxxxxxxxxxxxxxx;'
想咋写，就咋写。
没看见8 楼说的吗？
你就给个神谕吧！
