Perl：分析页面，提取下载链接和文件对应的名称。

kashu

　　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);
}