如何使用 HTML::Parser 提取标签之间的文本？

【问题标题】：How can I extract text between tags using HTML::Parser?如何使用 HTML::Parser 提取标签之间的文本？
【发布时间】：2010-12-27 07:18:59
【问题描述】：

我需要从网页上解析一些数据。如何使用 HTML::Parser 提取标签之间的文本？

考虑以下示例代码：

#!/usr/bin/perl

use strict;
use warnings;

use HTML::Parser;
use Data::Dumper;

my $find_title = HTML::Parser->new(
    api_version => 3,
    start_h => [ 
        sub {
             my ($tag, $attr) = @_;
             print Dumper \@_;
            }, 
        'tag'
               ],
  );

my $html = join '',
    "<html><head><title>Extract me!</title></head><body>",
    (map { qq(<a href="http://$_.com">$_</a>) } qw/foo bar baz/),
    "</body></html>";

$find_title->report_tags('title');
$find_title->parse($html);

如何解决此问题以便提取标题？这只会提取标签。

【问题讨论】：

标签： html perl parsing

【解决方案1】：

您需要一个text_h 处理程序来收集文本，并需要一个end_h 处理程序来在</title> 标记出现时执行某些操作（此时标记内的文本已被收集）。

HTML::Parser 是一个相当低级的模块，您可能更喜欢构建在它之上的众多模块之一，例如HTML::TreeBuilder 或HTML::TokeParser。

例如，HTML::HeadParser 使提取标题变得微不足道：

use strict;
use warnings;

use HTML::HeadParser;

my $html = join '',
    "<html><head><title>Extract me!</title></head><body>",
    (map { qq(<a href="http://$_.com">$_</a>) } qw/foo bar baz/),
    "</body></html>";

my $p = HTML::HeadParser->new;
$p->parse($html);

my $title = $p->header('Title');

【讨论】：