perl 脚本解析 HTML答案

【问题标题】：HTML parsing by perl scriptperl 脚本解析 HTML
【发布时间】：2012-10-26 01:18:46
【问题描述】：

我正在尝试通过我的 perl 脚本解析 HTML 文件。我正在使用一个名为 HTML::TreeBuilder 的模块。

这是我目前所拥有的：

use HTML::TreeBuilder;

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

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

foreach my $anchor ($tree->find("p")) {

  print $anchor->as_text, "\n";

}

它工作正常。我在< p> 标签中得到了所有东西。

sample.html 文件：

< td>Release Version:< /td>< td> 5134< /td>< /tr>

< tr class="d0">< td>Executed By:< /td>< td>spoddar< /td>< /tr>

< tr class="d1">< td> Duration:< /td>< td>0 Hrs 0 Mins 0 Secs < /td>< /tr>

< tr class="d0">< td>#TCs Executed:< /td>< td>1< /td>< /tr>

我希望在通过发布版本时打印5134。以同样的方式，当我通过 Execute By 时，我希望打印 spoddar。这些不是 HTML 标签。但是有什么办法可以得到呢？

【问题讨论】：

在决定打印什么时是否需要应用任何规则？你也应该打印0 Hrs 0 Mins 0 Secs 吗？

标签： html perl parsing html-parsing perl-module

【解决方案1】：

HTML::Parser 和 HTML::TokeParser 也可能对您有用。

未经测试

use HTML::TokeParser;

my $p = HTML::TokeParser->new('sample.html');

while (my $token = $p->get_token) {
    my $tokenType = shift @{$token}; # 'S' is start tag 'E' end tag etc. (see doc)
    if ($tokenType =~ /S/) {
        my ($tag, $attr, $attrseq, $rawtxt) = @{$token};
        my $class = $attr->{class}; #get tag class
        if ($class =~ /d0/ && $tag =~ /tr/) {
            print "$p->get_trimmed_text('/tr')\n";
        }
    }
}

【讨论】：

【解决方案2】：

最直接的做法是过滤您想要的标签并查看文本。以下方法假定您在示例中使用的格式，带有 2 列表。

sub get_value {
    my $key = shift;

    foreach my $tr ($tree->find('tr')) {
        my @td = $tree->find('td');
        return $td[1]->as_text if $td[0]->as_text eq $key;
    }
    return;
}

print get_value('Release Version:');

【讨论】：