WWW::Mechanize::Firefox 如何提取 HTML 元素标签中的文本？答案

【问题标题】：WWW::Mechanize::Firefox How do you extract the text within HTML element tags?WWW::Mechanize::Firefox 如何提取 HTML 元素标签中的文本？
【发布时间】：2013-03-18 05:19:48
【问题描述】：

美好的一天，

如何打印带有WWW::Mechanize::Firefox 的HTML 标记的文本？

我试过了：

    print $_->text, '/n' for $mech->selector('td.dataCell');

    print $_->text(), '/n' for $mech->selector('td.dataCell');


    print $_->{text}, '/n' for $mech->selector('td.dataCell');

    print $_->content, '/n' for $mech->selector('td.dataCell');

请记住，我不想要 {innerhtml}，但这确实有效。

print $_->{text}, '/n' for $mech->selector('td.dataCell');

上面的行确实有效，但输出只是多个/n

【问题讨论】：

标签： html perl web-scraping www-mechanize www-mechanize-firefox

【解决方案1】：

my $node = $mech->xpath('//td[@class="dataCell"]/text()');

print $node->{nodeValue};

请注意，如果您检索的文本中散布着其他标签，例如本例中的“Test_1”和“Test_3”...

<html>
  <body>
    <form name="input" action="demo_form_action.asp" method="get">
      <input name="testRadioButton" value="test 1" type="radio">Test_1<br>
      <input name="testRadioButton" value="test 3" type="radio">Test_3<br>
      <input value="Submit" type="submit">
    </form>
  </body>
</html>

您需要通过它们在标签中的位置来引用它们（考虑任何换行符）：

$node = $self->{mech}->xpath("//form/text()[2]", single=>1);

print $node->{nodeValue};

打印“Test_1”。

【讨论】：

让我开心！男孩。

【解决方案2】：

我愿意：

print $mech->xpath('//td[@class="dataCell"]/text()');

使用xpath 表达式

【讨论】：

修复了 Xpath 表达式中的一个错误
它打印出 'Mozrepl::RemoteObject::Instance=HASH(s0mehex)' 而不是 dataCells 中的文本
@surfer190 你必须添加type => $mech->xpathResult('STRING_TYPE')作为另一个参数

【解决方案3】：

我唯一的解决方案是使用：

my $element = $mech->selector('td.dataCell');

my $string = $element->{innerHTML};

然后在每个dataCell中格式化html

【讨论】：

【解决方案4】：

要么：

$element->{textContent};

或

$element->{innerText};

会起作用的。

【讨论】：