Regulären Ausdruck um Leerzeichen erweitern (Allgemeines zu Perl)

renee

2007-10-26 13:49

User since
2003-08-04
14371 Artikel
ModeratorIn

Für solche Aufgaben würde ich eher CPAN:

Web::Scraper oder CPAN:

HTML::Parser empfehlen!

OTRS-Erweiterungen (http://feature-addons.de/)
Frankfurt Perlmongers (http://frankfurt.pm/)
--

Unterlagen OTRS-Workshop 2012: http://otrs.perl-services.de/workshop.html
Perl-Entwicklung: http://perl-services.de/

GwenDragon

2007-10-26 13:57

User since
2005-01-17
14904 Artikel
Admin1

Code (perl): (dl )

my $description = ($source =~s/<meta\s+name=\"?description\"?\s+content=\"?([^\"]*)\"?\s*\/?>//i) ? $1 : '';

Die \s* stimmten vorher nicht, sehe ich gerade, denn die Attribute bei HTML müssen durch Whitespaces getrennt sein.

Allerdings wird dein Regex bei, erlaubten HTML wie:

Code: (dl )

<meta content="eviloX -Die Welt aus der sicht von Christian Drieling" name="description" />

versagen!

die Drachin Gwen

Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten

Gast Gast

2007-10-26 12:38

Hallo Liebe Perl Community,

ich habe folgenden regulären Ausdruck:

Code (perl): (dl )

my $description = ($source =~s/<meta\s*name=\"?description\"?\s*content=\"?([^\"]*)\"?>//i) ? $1 : '';

Das Problem ist nun, dass sich die Quelltexte von HTML Seiten in den letzten Jahren verändert haben und zwar folgende erkannt werden:

Code: (dl )

<meta name="description" content="eviloX -Die Welt aus der sicht von Christian Drieling"/>

Aber nicht mehr folgende (aufgrund des Leerzeichens vor dem />):

Code: (dl )

<meta name="description" content="eviloX -Die Welt aus der sicht von Christian Drieling" />

Leider bin ich mit den regulären Ausdrücken nicht so fit, also bitte ich um eure Hilfe.

Vielen Dank im vorraus!
Drieling

GwenDragon

2007-10-26 13:34

User since
2005-01-17
14904 Artikel
Admin1

Code (perl): (dl )

my $description = ($source =~s/<meta\s*name=\"?description\"?\s*content=\"?([^\"]*)\"?\s*\/?>//i) ? $1 : '';

könnte gehen.

die Drachin Gwen

Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten

Gast Gast

2007-10-26 13:42

vielen Dank, funktioniert scheinbar einwandfrei :)

Gast Gast

2007-10-26 15:54

Hmm habe grad das problem , dass wenn am abschluss nu "> oder " > steht, es nicht erkannt wird weil der backslash fehlt... kann man da was machen?

Gast Gast

2007-10-26 16:22

das problem ist, wenn ich das nicht über die regex machen kann, ist es sehr sehr viel arbeit, das ist kein kleines script sondern ein komplexes programm und da ist das nichts mit mal eben was anderes nehmen... sonst würde ich das schon nutzen, aber der kosten nutzen faktor ist nicht gegeben...

GwenDragon

2007-10-26 16:25

User since
2005-01-17
14904 Artikel
Admin1

Hallo Christian (ich nehme mal an, du heißt so),

HTML mit Regexes zu parsen ist nicht ohne Fehlerträchtigkeit. Und oft genung greifen die Regexe nicht.
Man sollte es deswegen lassen.
Dafür gibt es wirklich Module, die das besser können!

Schon die Perl FAQ warnt:
http://faq.perl.org/perlfaq9.html#How_do_I_remove_...

die Drachin Gwen

Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten

renee

2007-10-26 16:16

User since
2003-08-04
14371 Artikel
ModeratorIn

renee+2007-10-26 11:49:17--
Für solche Aufgaben würde ich eher Web::Scraper oder HTML::Parser empfehlen!

*wiederhol*

OTRS-Erweiterungen (http://feature-addons.de/)
Frankfurt Perlmongers (http://frankfurt.pm/)
--

Unterlagen OTRS-Workshop 2012: http://otrs.perl-services.de/workshop.html
Perl-Entwicklung: http://perl-services.de/

Gast Gast

2007-10-26 16:29

Hmm okay. Dann heißt das wohl viel Arbeit.

Aber danke trotzdem ;)