如何从HTML文档中删除表格？

Question

我正在将一组网页升级到新系统，并且我想剥离并替换每页顶部的样板，并将其替换为新的样板。幸运的是，每个页面都有一个内容表，并且没有任何表格。我想要做的事情如下：

$contents =~ s/^.*<table/$newHeader/ 

这只适用于$内容的第一行。有没有办法用我的新样板替换文件中第一个<表之前（包括）的所有内容？

Answer 1

你可以使用Perl的“/s”选项，告诉它“.”包括换行符（处理字符串作为一个巨大的线，而不是每行）所有字符匹配。您可以通过使用?量词限制了比赛的第一个表，使*非贪婪：

$contents =~ s/^.*?<table/$newHeader/s 

而且，只记得更换也将去掉文本“<table”所以你需要做确保它被插回在某种程度上，可能与：

$contents =~ s/^.*?<table/<table$newHeader/s 

或者你可以使用一个零宽度正先行断言，它说“下面的比赛中，这种表达也必须匹配”，但在文本前瞻断言不被视为匹配的一部分（因此不会被替换） ：

$contents =~ s/^.*?(?=<table)/$newHeader/s 

而这将使“<table”完好无损。

Answer 2

“。”通常匹配除换行符之外的任何字符。将“s”附加到您的正则表达式中，使其匹配多行：

$contents =~ s/^.*?<table/$newHeader/s;