使用 Mojolicious 用户代理解析 HTML

Question

我有类似这样的html

 <h1>My heading</h1>

 <p class="class1">
 <strong>SOMETHING</strong> INTERESTING (maybe not).
 </p>

 <div class="mydiv">
 <p class="class2">
 <a href="http://www.link.com">interesting link</a> </p>

 <h2>Some other heading</h2>

h1 和 h2 之间的内容有所不同——我知道我可以在 Mojo::Dom 中使用 css 选择器来选择 h1 或 h2 的内容，或者 p 标签——但是如何选择 h1 和 h2 之间的所有内容？或者更一般地说，任意两组给定标签之间的所有内容？

Answer 1

这很简单。您可以只选择 Mojo::Collection 对象中所有有趣的元素（例如，这就是 Mojo::DOM 的 children 方法所做的）并在迭代该集合时执行某种状态机之类的匹配。

这可能是最神奇的方法

是在标量上下文中使用 Perl 的 range operator ..：

在标量上下文中，“..”返回一个布尔值。该运算符是双稳态的，就像一个触发器，并模拟 sed、awk 和各种编辑器的行范围（逗号）运算符。每个“..”运算符都维护自己的布尔状态，即使在调用包含它的子例程时也是如此。只要其左操作数为假，它就为假。一旦左操作数为真，范围运算符保持真，直到右操作数为真，之后范围运算符再次变为假。直到下一次评估范围运算符时它才会变为 false。

这是一个

简单示例

#!/usr/bin/env perl

use strict;
use warnings;
use feature 'say';
use Mojo::DOM;

# slurp all DATA lines
my $dom = Mojo::DOM->new(do { local $/; <DATA> });

# select all children of <div id="yay"> into a Mojo::Collection
my $yay = $dom->at('#yay')->children;

# select interesting ('..' operator in scalar context: flip-flop)
my $interesting = $yay->grep(sub { my $e = shift;
    $e->type eq 'h1' .. $e->type eq 'h2';
});

say $interesting->join("\n");

__DATA__
<div id="yay">
    <span>This isn't interesting</span>
    <h1>INTERESTING STARTS HERE</h1>
    <strong>SOMETHING INTERESTING</strong>
    <span>INTERESTING TOO</span>
    <h2>END OF INTERESTING</h2>
    <span>This isn't interesting</span>
</div>

输出

<h1>INTERESTING STARTS HERE</h1>
<strong>SOMETHING INTERESTING</strong>
<span>INTERESTING TOO</span>
<h2>END OF INTERESTING</h2>

说明

所以我使用 Mojo::Collection 的 grep 来过滤集合对象 $yay。因为它寻找真相，所以它为给定函数的返回值创建了一个标量上下文，所以.. 操作符就像一个触发器。它在第一次看到h1 元素后变为真，在第一次看到h2 元素后变为假，所以你会得到标题包括的所有行之间。

由于我认为您了解一些 Perl，并且您可以与 .. 一起使用任意测试，希望这有助于解决您的问题！