关于perl HTML解析的一点帮助

Question

我正在开发一个小的perl程序，它将打开一个站点并搜索单词Hail Reports，然后返回给我信息。我对perl非常陌生，因此其中一些问题可能很容易修复。首先，我的代码显示我使用的是一个单一化值。这是我所拥有的

#!/usr/bin/perl -w
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} || die;
my $hail = $1;
print "$hail\n";

其次，我认为正则表达式是做我想做的事情的最简单的方法，但我不确定我是否能用它们做这件事。我希望我的程序搜索单词Hail Reports，并将Hails Reports和Wind Reports之间的信息返回给我。使用正则表达式可以做到这一点吗?还是应该使用不同的方法？下面是我希望它发回的网页源代码片段

     <tr><th colspan="8">Hail Reports (<a href="last3hours_hail.csv">CSV</a>)&nbsp;(<a href="last3hours_raw_hail.csv">Raw Hail CSV</a>)(<a href="/faq/#6.10">?</a>)</th></tr> 

#The Data here will change throughout the day so normally there will be more info.
      <tr><td colspan="8" class="highlight" align="center">No reports received</td></tr> 
      <tr><th colspan="8">Wind Reports (<a href="last3hours_wind.csv">CSV</a>)&nbsp;(<a href="last3hours_raw_wind.csv">Raw Wind CSV</a>)(<a href="/faq/#6.10">?</a>)</th></tr> 

Answer 1

您在$1中没有捕获到任何内容，因为您的正则表达式都没有包含在括号中。下面的方法对我很有效。

#!/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";

Answer 2

未初始化值警告来自$1 --它没有在任何地方定义或设置。

对于行级而不是字节级的"between“，你可以使用：

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

Answer 3

使用单行和多行匹配。另外，它只会选择文本之间的第一个匹配项，这比贪婪要快一点。

#!/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();