使用 perl 删除两个注释之间的 html 代码答案

【问题标题】：remove html code between two comments with perl使用 perl 删除两个注释之间的 html 代码
【发布时间】：2013-06-19 23:55:14
【问题描述】：

假设我有一些 html 来自我使用 perl 保存在字符串中的文件，如下所示

<tbody>
  <tr>
    <td width="650">
    <!--MyComment-->
        <a href="http://myurl.com"><img src="myimage.png"  > </a>
   <!--MyComment-->
   </td>
   </tr>
  </tbody>
...
...
...

删除两个 cmets 之间的 HTML 代码的最佳方法是什么我正在考虑使用 HTML::tree perl 模块

【问题讨论】：

还有HTML::Parser你可以看看，不过不知道能不能满足你的需求。取决于你想要达到什么。除了a 标记之外，保留文档原样吗？如果你有 3 个 cmets 怎么办？

标签： perl

【解决方案1】：

一种选择是使用拉式解析器。这里有一个HTML::TokeParser 的例子。它使用两个循环，第一个用于查找您的评论的第一次出现。它打印它找到的每个标签，直到那里。第二个遍历所有标签，直到第二次出现相同类型的评论并且不打印任何内容。

script.pl的内容：

#!/usr/bin/env perl

use warnings;
use strict;
use HTML::TokeParser;

my $p = HTML::TokeParser->new ( shift );
while ( my $token = $p->get_token ) { 
    printf qq|%s|, $token->[0] =~ m/S|E|PI/ ? $token->[ $#$token ] : $token->[1];
    if ( $token->[0] eq q|C| && $token->[1] =~ m/(?i)MyComment/ ) { 
    ## Here begins the comment.
        while ( my $token2 = $p->get_token ) { 
            if ( $token2->[0] eq q|C| && $token2->[1] =~ m/(?i)MyComment/ ) { 
            ## Here ends the comment.
                printf qq|%s|, $token2->[1];
                last;
            }   
        }   
    }   
}

像这样运行它：

perl script.pl htmlfile

产生：

<html>
<head>
<title>Title</title>
</head>
<body>
<tbody>
  <tr>
    <td width="650">
    <!--MyComment--><!--MyComment-->
   </td>
   </tr>
  </tbody>
</body>
</html>

【讨论】：

【解决方案2】：

您也可以使用HTML::Restrict 执行此操作，默认情况下会删除 cmets。需要注意的是，使用 HTML::Restrict，您需要明确允许您希望保留的所有 HTML 元素和属性。如果您只是想删除 cmets，这可能不适合您，但如果您在使用它时需要删除其他元素，则可能值得研究。

【讨论】：

这种方式听起来也不错，我去看看.. html::tree 可以删除 html 节点，这基本上是我要找的..
有很多方法可以完成这项工作，所以如果您已经找到适合您的方法，那就太好了。 :) 只是想指出这个工具超越了您的初始用例。