|
ru.website
- RU.WEBSITE -------------------------------------------------------------------
From : Serge Shikov 2:5020/400 08 Jul 2000 12:30:49
To : All
Subject : Re: вырезание атрибутов
--------------------------------------------------------------------------------
Andrej Ramaszeuski wrote:
>
> >> Регекспы годятся для всего.
> SS> Hе надо сказок. Регекспы не предназначены для разбора рекурсивных
> SS> структур, какой является HTML.
> С коих поp html стал pекуpсивным?
С тех, когда внутри одного тэга стало можно вкладывать другие. Т.е. от
рождения. <b><i><b>Text</b></i></b> - типичный пример b внутри b.
> >> SS> Для этого HTML::Parser имеется.
> >> Разговоp шёл о фильтpации а не паpсинге.
> SS> А давай ты сначала посмотришь на то, что предлагают, а потом уж будешь
> SS> лезть со своими пятью копейками. В комплекте HTML::Parser есть модуль
> SS> HTML::Filter, который именно фильтр для HTML и есть.
> А тепеpь давай откpоем Parser.pm и Filter.pm и не поленимся изучить текст.
> Hикаких бинаpных модулей они не используют.
Про бинарные это ты к чему? Я нигде не говорил, что это надо не на перле
писать.
> Зато pегекспы там написаны гpамотные. Можно пользовать :)
HTML::Filter вообще никаких регекспов не содержит, если ты как следует
взглянешь. Т.е. совсем - в нем всего-то 19 строчек. Что же касается
парсера, то регекспы там конечно есть, только разбор сделан вовсе не с
их помощью. Регекспы занимаются своим делом - распознают отдельные
лексемы. Все остальное делается при помощи лома и какой-то матери, т.е.
обычными if-ами и while, которые вовсе не регекспы, как ты понимаешь. А
если ты еще посмотришь, то найдешь кусок для разбора start-tag, который
представляет из себя большой такой if then elsif elsif ... else, строк
на 70. И который тоже вовсе не регексп. И наконец вернемся к нашим
баранам - к атрибутам то есть. Вот кусок, который их разбирает:
while ($$buf =~ s|^(([a-zA-Z][a-zA-Z0-9\.\-_]*)\s*)||) {
$eaten .= $1;
my $attr = lc $2;
my $val;
# The attribute might take an optional value (first we
# check for an unquoted value)
if ($$buf =~ s|(^=\s*([^\"\'>\s][^>\s]*)\s*)||) {
$eaten .= $1;
$val = $2;
HTML::Entities::decode($val);
# or quoted by " or '
} elsif ($$buf =~ s|(^=\s*([\"\'])(.*?)\2\s*)||s) {
$eaten .= $1;
$val = $3;
HTML::Entities::decode($val);
# truncated just after the '=' or inside the
attribute
} elsif ($$buf =~ m|^(=\s*)$| or
$$buf =~ m|^(=\s*[\"\'].*)|s) {
$$buf = "$eaten$1";
last TOKEN;
} else {
# assume attribute with implicit value
$val = $attr;
}
$attr{$attr} = $val;
push(@attrseq, $attr);
}
если это называется регексп, то я ваще молчу.
--- ifmail v.2.15dev5
* Origin: home (2:5020/400)
Вернуться к списку тем, сортированных по: возрастание даты уменьшение даты тема автор
|
