Парсилка контента

Не знаю, как так получилось... Быть может, система кеширует часто изменяемые файлы, держит в памяти их потоки; быть может, дело в том, что винты SCSI. Может, обе причины. Как бы то ни было, замеры производились не наручными часами, а запуском парсеров через time ;)

Постоянно :) Не всегда HTTP (случается и за сквидом следить, к примеру), не всегда двухгигабайтные (бывает и больше, но обычно меньше :)), но очень большие - постоянно.

Код у перла нечитабелен только в том случае, если его писать так, как пишут большинство перловщиков. Процедурное программирование, использование пакетов не более чем неймспейсы, названия переменных и подпрограмм а-ля $hz, a(), b(), hz(). Как бы парадоксально это ни звучало, код на перле может быть очень красивым. :)

...или воспользоваться tail, sed, grep и средствами операционной системы. ;)

Но перл, тем не менее сбрасывать со счётов я бы не стал.

Перл настолько суров, что читает с диска 2 Гб за две секунды? 🙄

Тогда Вы правы - Вам точно нужен перл с регулярками 🚬

Можно я эту цитату всегда буду приводить PHP-шникам, когда они будут необоснованно нападать на Перл в холивар?

Бесспорно. У него есть своя великолепная ниша. В том числе в парсинге.

Думаю, не в суровости перла дело, а в его умении грамотно и оптимально использовать ресурсы системы. А PHP для CLI слабоват, да

Можно и даже нужно ;). Я сам, как перловщик с 8-летним стажем пытаюсь это донести до своих собратьев по перу ;). До кого-то даже удаётся достучаться :).

Ну, это если жёстко привязывать к количеству цифирь в id.

if(eregi("<p id=[0-9]{6}>",$text) || eregi("<br id=[0-9]{5}>",$text))

Если не привязывать.

if(eregi("<p id=[0-9]*>",$text) || eregi("<br id=[0-9]*>",$text))

Я считаю сие неблагодарным занятием.

Ибо, повторюсь, что если захотят стянуть контент - стянут.

У меня тянут постоянно, но я уже забил давно...