extract.pl

来自「统计http://www.sohu.cn/页面中有多少个静态的超链接」· PL 代码 · 共 33 行

open(In,"sohu.html");
$ISMeet=0;
while(<In>){
	chomp;
	if ( /<!-- 国内国际新闻 -->/ ){
		$ISMeet=1;
		next;
	}
	if ( $ISMeet  == 1 ){
		s/<font[^>]*>//g;
		s/<\/font>//g;
		s/<b>//g;
		s/<\/b>//g;
		s/<br>//g;
		
		if (/^·(.*)/){
			$TitleLink=$1;
			@Links=$TitleLink=~/href="([^"]+)"/g;
			@Titles=$TitleLink=~/<[aA][^>]+>([^<>]+)<\/[aA]>/g;
			for ($i=0;$i<@Links;$i++){
				print "$Titles[$i]\t=>$Links[$i]\n";
				
			}
			print "";
		}
	}
	
	if ( /<!-- end 国内国际新闻 -->/ ){
		last;
	}	
}
close(In);