如何用Tcl代码提取HTML文件中<h1>和<h2>标签内容？

原代码仅完成了文件读取操作，未实现标签提取逻辑，且最后一行puts $end存在变量未定义的错误。以下是能提取HTML中

标签内容的修正代码：

#!/usr/bin/env tclsh

# 打开HTML文件并读取内容
set f [open comment.html r]
set data [read $f]
close $f

# 正则匹配所有<h1>、<h2>标签的内容
# 正则规则：匹配带任意属性的h1/h2标签，捕获标签内的文本
regexp -all -inline {<h[12][^>]*>(.*?)</h[12]>} $data matches

# 遍历匹配结果，输出标签内容
foreach {full_tag content} $matches {
    puts $content
}

关键说明 #

• 打开文件时指定r只读模式，符合代码规范。
• 使用regexp的-all参数匹配所有符合条件的标签，-inline参数返回包含完整标签和捕获内容的结果列表。
• 正则表达式{<h[12][^>]*>(.*?)</h[12]>}：
  • <h[12] 匹配h1或h2起始标签
  • [^>]* 匹配标签内的任意属性（如style）
  • (.*?) 非贪婪捕获标签内的文本内容
  • </h[12]> 匹配对应的闭合标签
• 通过foreach遍历结果列表，每两个元素为一组（完整标签和文本内容），最终打印提取到的标签文本。

运行输出 #

执行后会得到：

metal1
metal2

内容的提问来源于stack exchange，提问作者ktkyin let