在 perl 中使用 TokeParser 从自包含标签中提取值

Question

我正在尝试做的事情听起来很简单，但不知怎的，我现在已经为此苦苦挣扎了几个小时，所以请指出正确的方向：

我有一些看起来像这样的 html：

<img src="random.jpg" class="someClass" id="someId" alt="test" />

目前我无法将其与此代码匹配：

my $tp = HTML::TokeParser->new(\$rawHTML) || die "Cant't open: $!";
while (my $token = $tp->get_token){
  my $ttype = shift @{ $token };
  if($ttype eq "S"){
    my($tag, $attr, $attrseq, $rawtxt) = @{ $token };
    if ($tag eq "img"){
      if(($attr->{'class'} eq "someClass")&&($attr->{'id'}eq "someId")){
        my $alttext = $attr->{'alt'};
        print "AltText: $alttext";
        ...
        }
      }        
    }
  }
}

似乎 TokeParser 只是忽略了自包含标签 <...>。 为什么？我已经为此苦苦寻找了一个解决方案，并且非常感谢任何帮助以使其与 TokeParser 或任何其他 Perl 模块一起使用...

谢谢！

Answer 1

它不会忽略任何东西：

#!/usr/bin/env perl

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

my $html = q{<img src="random.jpg" class="someClass" id="someId" alt="test"/>};

my $parser = HTML::TokeParser->new( \$html );

while (my $token = $parser->get_token) {
    print Dump $token;
}

输出：

--- -S - 图像 - /：/ alt：测试 类：someClass id: 一些Id 来源：随机.jpg - - 源代码 - 班级 - ID - 替代 - / - ''

顺便说一句，HTML::TokeParser::Simple 为您提供了更好的界面。

Answer 2

鉴于someClass 和someId，您似乎有兴趣在您的html sn-p 中捕获替代文本"test"。如果是这样，请尝试以下操作：

use Modern::Perl;
use Web::Query qw();

my $w = Web::Query->new_from_html(<<'HTML');
<img src="random.jpg" class="someClass" id="someId" alt="test" />
HTML

my @altText = $w->find('img[class="someClass"][id="someId"]')->attr('alt');

say @altText;

输出：

test