带括号的奇怪 Perl 正则表达式行为

Question

我正在提取一些维基百科标记，并且想要匹配相对（在维基百科上）链接中的 URL。我不想匹配任何包含冒号的 URL（不包括协议冒号），以避免特殊页面等，因此我有以下代码：

while ($body =~ m|<a href="(?<url>/wiki/[^:"]+)|gis) { 
  my $url = $+{url};
  print "$url\n";
}

不幸的是，此代码无法按预期工作。任何包含括号 [ie /wiki/Eon_(geology)] 的 URL 都会在左括号之前被提前截断，因此该 URL 将匹配为 /wiki/Eon_ 。我已经查看了代码一段时间，但我无法弄清楚我做错了什么。任何人都可以提供一些见解吗？

Answer 1

只要您的 Perl 足够新以支持这些 RE 功能，此代码就其本身而言没有任何问题。使用 Perl 5.10.1 进行测试。

$body = <<"__ENDHTML__";
<a href="/wiki/Eon_(geology)">Body</a> Blah blah 
<a href="/wiki/Some_other_(parenthesis)">Body</a>
__ENDHTML__

while ($body =~ m|<a href="(?<url>/wiki/[^:"]+)|gis) { 
  my $url = $+{url};
  print "$url\n";
}

你使用的是旧的 Perl 吗？

Answer 2

您没有将 RE 锚定到字符串的末尾。在后面加上一个“。

虽然这是一个问题，但这不是他试图解决的问题。他试图解决的问题是没有任何东西可以匹配方法/主机名（http://en.wiki。 ..) 在 RE 中添加 .*? 会有所帮助。