使用 Mojo::DOM 进行 CSS 选择答案

【问题标题】：CSS selection using Mojo::DOM使用 Mojo::DOM 进行 CSS 选择
【发布时间】：2018-03-30 17:09:37
【问题描述】：

这是一个多学科的问题，所以答案可能不是纯粹的 CSS。

我正在解析一个大表，我的目标是仅检索 <b></b> 标记之外的文本。我能够选择行，但坚持如何只选择粗体标记之外的文本。

HTML

<div id="tab1">
<table width='650' class='subtblfont'>
    <tr><td>&nbsp;</td></tr> 
    <tr><td>&nbsp;</td></tr>        
    <tr>
        <td><b>Check-in Date:&nbsp;</b>04/20/2013</td>
        <td><b>Check-in Date:&nbsp;</b>04/25/2013</td>
    </tr>
</table>

代码

$row_content = $results_dom->find('div#tabs-1 tr:nth-child(3) td');

foreach (@$row_content) {
    print "$_\n";
}

输出

<td><b>Check-in Date:&nbsp;</b>04/20/2013</td>
<td><b>Check-in Date:&nbsp;</b>04/25/2013</td>

期望的输出

04/20/2013
04/25/2013

我可以使用正则表达式来提取文本，但这不是一个理想的解决方案。有没有办法只选择非粗体文本？

【问题讨论】：

策略：遍历<td>的所有子节点。过滤掉所有 <b> 元素。从其余部分中提取文本。但似乎您不想摆脱粗体文本，而是找到一个日期。提取所有文本，然后将正则表达式应用于纯文本可能更明智，如果这是您的目标。
“我可以使用正则表达式来提取文本，但这不是一个理想的解决方案” 我想知道为什么不呢？似乎您想从 <tr> 元素中提取日期，并且依赖于文本的那部分不加粗是一种奇怪的方法。粗体标签是文体而非语义，而mm/dd/yyyy 日期序列很容易从文本中精确提取。
@Boro 所有元素都不包含日期。有数百个元素，其中一些具有非常复杂的格式。
@amon 澄清一下，我确实想要使用粗体文本。我不确定如何使用 CSS 选择器（或 Mojo 的 CSS 选择器版本）过滤掉所有 元素。
@Notamachine: “或者 Mojo 的 CSS 选择器版本” 据我所知，Mojo::DOM::CSS 是 CSS3 的一个非常完整的实现。

【解决方案1】：

来自Documentation：

文字

仅从该元素中提取文本内容（不包括子元素元素）。

尝试一下：

（虽然我不太了解 perl，所以如果我的语法有误……抱歉）

$row_content = $results_dom->find('div#tabs-1 tr:nth-child(3) td')->each(sub { say $_->text})

【讨论】：

谢谢你。我试过 ->text 但显然没有正确包装它。
最简洁的方法是使用map在每个匹配的元素上调用text方法，each不带参数将集合转换为普通列表。 my @vals = $results_dom->find('...')->map('text')->each 将保留包含所需文本字符串的数组。
顺便说一下，如果第三行始终是表中的最后一行，您可能更喜欢使用tr:last-child 代替tr:nth-child(3)。