系统:Windows
语言:Perl
工具:Notepad++/cmd
目前要用PERL来分析一下页面。然后组群下载文件然后更名。
首先,rar文件连接在二级文件里。rar文件的名称是数字,其对应的中文名称在一级页面上对应二级页面的连接。我看了Perl的Cookbook,里面建议用模块。但是我打算用正则表达式自己写一个脚本。这里只用了简单的LWP::Simple模块。
技术:这里使用了正则表达式的$1,$2...来提取一行中需要的段。(需要注意的是:$1,$2...的命名空间只是它们上一个带有()的正则表达式。最近一个带有()的正则表达式已经失效了。除非即时赋值给变量。)
#t.pl # to split out index url and rar page. use warnings; use LWP::Simple; sub getDownloadPage { my @lines=split("\n", $_[0]); my $line1=""; foreach my $line(@lines) { if ($line=~/<li class="itm">[^<]*<span> *[0-9]{4}-[0-9]{2}-[0-9]{2} *<\/span>[^<]*<a href="([^"> ]*)" *>([^<]*)</) { print $1," ",$2,"\n"; } } } my @indexes; unshift @indexes, "http://www.yingyu.com/stxz/chuzhong/zhongkao/"; # get index page. my $content=get($indexes[0]); my @hrefs=split "href=\"", $content; shift @hrefs; foreach $href(@hrefs) { if($href=~/(http:\/\/.*index[_0-9]*\.shtml)" *>[0-9]+/) { push @indexes, $1; } } #page download page and its relative Chinese name. foreach $index(@indexes) { $content=get($index); # my @pages=split "<li ", $content; # shift @pages; getDownloadPage($content); }
时间: 2024-10-01 02:50:34