如何提取成哈希答案

【问题标题】：How to extract into hash如何提取成哈希
【发布时间】：2011-06-05 09:19:36
【问题描述】：

嘿，我不确定为什么我的代码不起作用。我正在尝试从包含的 html 文件中提取一些信息。

    Junk id="i_0100_1" alt="text1, text2 | text3" 
Junk Junk id="i_0100_2" alt="text1, text2 | text3"

我就是用这个来做的。

my $file = "page.html";

open (LOGFILE, $file);
my %hash;
while (my $line = <LOGFILE>)     
{ 
    %hash = $line =~ /^\s*id="([^"]*)"\s*alt="([^"]*)"/mg;
    print $hash{'id'};
}   
close LOGFILE;

我错过了什么？

【问题讨论】：

标签： regex perl hash html-parsing

【解决方案1】：

根据其他建议：您可能没有打开该文件。检查退货或使用autodie。
扫描的 HTML 可能不是小写的。使用 i 正则表达式标志。
根据 HTML 的规则，并非所有属性值都需要引用。
同样根据 HTML 规则，'=' 不必紧跟在属性名称之后或值之前。
它们可能并不总是以相同的顺序出现或彼此相邻。
您正在使用正则表达式解析 HTML！

#6 是对 3-5 问题的总结。我建议的解决方案是使用HTML::Parser 或HTML::TreeBuilder

【讨论】：

【解决方案2】：

除了Axeman's suggestions（最重要的是不要自己解析HTML）：

^ 锚将阻止您的正则表达式匹配，因为“id”不在行首。
您在每次分配时重置%hash 中的数据，这可能不是你想要的。
您正在打印键“id”的值，但没有将其存储在散列中。您存储的（或将，如果模式匹配）是 value id 属性。

【讨论】：

第 1 点和第 2 点也有效。

【解决方案3】：

您应该始终检查打开文件的返回值：

open LOGFILE, $file or die $!;

另外，^ 锚点在正则表达式中可能是不必要的。

【讨论】：

【解决方案4】：

你不需要在开头要求^\s*

试试这个id\=\"(.*)\"\salt=\"(.*)\"

演示http://rubular.com/r/ySG0XO5jbJ

编辑

尝试删除这些修饰符/mg

【讨论】：

如果/id=\"(.*)"\salt=\"(.*)\"/i 这不起作用，那么您的代码中还有其他问题。
锚点 '^' 和修饰符 'mg' 是额外的。

【解决方案5】：

这成功了：

my $file = "page.htm";

open (LOGFILE, $file);
my %hash;
while (my $line = <LOGFILE>)     
{ 
    %hash = $line =~ /\s*id="([^"]*)"\s*alt="([^"]*)"/;
    for my $key ( keys %hash ) {
        my $value = $hash{$key};
        print "$key\n$value\n";
    }
}   
close LOGFILE;

问题在于哈希输出和正则表达式定义。感谢 eugene、michael 和 ish。 :)

【讨论】：