|
ru.perl
- RU.PERL ----------------------------------------------------------------------
From : Andrei Protasovitski 2:450/186 09 Jan 2006 11:59:36
To : Vladimir Volkov
Subject : Re: как пропарсить html???
--------------------------------------------------------------------------------
.RFC-Reply-To: andrei@siliconmaterials.com
From: Andrei Protasovitski <andrei@siliconmaterials.com>
Reply-To: andrei@siliconmaterials.com
Доброго здоровья!
Vladimir Volkov пишет:
> YP> Привет All!
> YP> В html находится куча <a><img></a>
> YP> Мне нужно мне нужно выдрать url из тега A, и все параметры из IMG.
> YP> Как это сделать правильно?
> Если HTML "хороший" - т.е. известно, что атрибуты всегда закавычены (в
> идеале - только двойными кавычками), теги корректным образом закрыты и
> т.п. - можно попытаться одним регэкспом это сделать.
Регэкспы, конечно, штука мощная и шустрая, но... Вполне может быть, что
HTML составлен правильно, все там заковычено верно, однако если там
встретятся вполне валидные конструкции типа
<IMG SRC = "foo.gif" ALT = "A > B">
<!-- <A comment> -->
<script>if (a<b && a>c)</script>
<# Just data #>
<![INCLUDE CDATA [ >>>>>>>>>>>> ]]>
, регексп составить будет весьма сложно, если вообще возможно.
(Примеры взяты из Perl Cookbook, 2nd Edition By Tom Christiansen and
Nathan Torkington.)
Оставим парсинг HTML регекспами пэхапэшникам :)
> Если же ситуация более сложная или ковыряться с регэкспами желания нет -
> посмотри в сторону HTML::Tree. Это набор модулей, умеющий распарсить даже
> довольно гадко оформленный HTML и представить его в виде объектов.
HTML::Tree кушает много памяти. Для больших документов это критично, а
для поставленной задачи, имхо, нецелесообразно. Тут больше подойдет
HTML::Parser, а еще лучше - HTML::TokeParser.
--
Andrei Protasovitski mailto:andrei()siliconmaterials.com
http://www.siliconmaterials.com/ ICQ: 75725244
Pinsk, Belarus
--- Mozilla Thunderbird 1.0.7 (Windows/20050923)
* Origin: -= http://fido.ext.by (sponsored by http://extmedia.com) (2:450/186)
Вернуться к списку тем, сортированных по: возрастание даты уменьшение даты тема автор
|
