Perl HTML::Parser - 在已解析文件中搜索特定字符串

Question

我是 HTML::Parser 的 Perl 新手。

我正在尝试解析网页，然后搜索特定字符串，例如 pass 或 fail。我该怎么办呢。

由于框架问题，我必须使用 HTML::Parser 基础库而不是其他模块。

代码片段

#!/usr/bin/perl
use strict;

# define the subclass
package IdentityParse;

package HTMLStrip;
use base "HTML::Parser";

sub text {
  my ($self, $text) = @_;

  # just print out the original text
  print $text;
}

sub comment {
  my ($self, $comment) = @_;

  # print out original text with comment marker
  #print "hey hey";
}

sub end {
  my ($self, $tag, $origtext) = @_;

  # print out original text
  #print $origtext;
}

#my $p = new IdentityParse;
my $p    = new HTMLStrip;
my @file = $p->parse_file("testcase1.html");

if ($p->parse_file("testcase1.html") =~ "PASS") {
  print " The test passed \n";
}
else {
  print "\nthe test failed \n";
}

Answer 1

如果您只想从 XML 中去除标签，只留下文本内容，那么您自己做的事情就太难了。您所需要的只是一个文本处理程序子例程，它将每个文本节点连接到一个全局标量。

看起来像这样。我编辑了最后一个字符串，将所有空格和换行符更改为一个空格；否则从布局缩进那里会有 很多 的空间。

use strict;
use warnings;

use HTML::Parser;

my $parser = HTML::Parser->new( text_h => [\&text, 'dtext'] );

my $text_content;

sub text {
  $text_content .= shift;
}

$parser->parse_file(*DATA);
$text_content =~ s/\s+/ /g;
print $text_content;

__DATA__
<root>
  <item>
    Item 1
    status failed
  </item>
  <item>
    Item 2
    status passed
  </item>
  <item>
    Item 3
    status failed
  </item>
</root>

输出

 Item 1 status failed Item 2 status passed Item 3 status failed