在指定的 div id 之后总是得到第一个 img 而不是 img？

Question

我正在创建一个基本的屏幕抓取工具，并且已经成功地完成了，但由于某种原因，这部分代码不会抓取预期的 img 标签。我试图在具有指定 id 的 div 之后抓取 img src，但脚本正在抓取页面上的第一个 img 标签。 例如，这个示例漫画刮刀

$agent->get("http://www.blondie.com/todays_strip/");
$stream = HTML::TokeParser->new(\$agent->{content});

$tag = $stream->get_tag("div");

while ($tag->[1]{id} and $tag->[1]{id} ne 'comicpanel') {
    $tag = $stream->get_tag("div");
}

my $blondie_comic = $stream->get_tag("img");

print $cgi->h1("$blondie_comic->[1]{'src'}");

上面的 sn-p 只是打印它遇到的第一个图像标签的 src，标志，而不是继续到漫画 img。

提前致谢。

Answer 1

我相信你需要

while (not exists $tag->[1]{id} or $tag->[1]{id} ne '<specified-id>') {
  $tag = $stream->get_tag("div");
}

您想先检查 id 是否存在，然后再检查它是否不等于您指定的 id。你不能使用and，因为不存在的标签会是假的，会提前中断你的循环。

这是我用来测试的文件。 id 为 1 是指定的 id：

<div id='2'>
<img src="NOPE" />
</div>
<div>
<img src="NOPE - 2" />
</div>
<div id='1'>
<img src="YEP" />
</div>