HTML 解析：从内部标签获取内容答案

【问题标题】：HTML Parsing: Get content from inner tagsHTML 解析：从内部标签获取内容
【发布时间】：2015-09-17 16:15:14
【问题描述】：

测试输入文件：

# cat test.html 
<div>line 1<div>Another 1</div></div>
<div>line 2<div>Another 2</div></div>
<div>line 3<div>Another 3</div></div>

预期输出：

Another 1
Another 2
Another 3

脚本：

#!/usr/bin/perl
use warnings;
use strict;
use HTML::TreeBuilder;

my $tree = HTML::TreeBuilder->new;

# $tree->ignore_ignorable_whitespace(0);
# $tree->no_space_compacting(1)

$tree->parse_file("test.html");

foreach my $a ($tree->find("div")) 
{
  print $a->as_text."\n";
}

脚本输出：

line 1Another 1
Another 1
line 2Another 2
Another 2
line 3Another 3
Another 3

问题： 我正在寻求帮助，仅从 inner div 标签中提取内容。我的脚本首先输出line 1Another 1，然后输出Another 1。但是，我只对Another 1 感兴趣。

我尝试使用 ignore_ignorable_whitespace 和 no_space_compacting（如脚本 cmets 中所示），但没有成功。要么我没有正确使用它，要么我叫错了树。

【问题讨论】：

标签： html perl html-parsing

【解决方案1】：

当您只需要内部元素时，您会找到所有 div 元素。 findnodes 方法采用 XPath 表达式，因此您可以编写

print $_->as_text, "\n" for $tree->findnodes('div/div')

【讨论】：