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之间的内容各不相同 - 我知道我可以在Mojo :: Dom中使用css选择器，比如选择h1或h2或p标签的内容 - 但是如何选择h1和h2之间的所有内容？或者更一般地说，任何两个给定标签集之间的所有内容？

Answer 1

这很简单。您可以只选择Mojo::Collection对象中的所有有趣元素（这是Mojo::DOM的children方法所做的事情）并在迭代时执行某种类似状态机的匹配那个集合。

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。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“..”运算符都保持自己的布尔状态，甚至在调用包含它的子例程时也是如此。只要其左操作数为假，它就是假的。一旦左操作数为真，范围运算符将保持为真，直到右操作数为真，此后范围运算符再次变为假。在下次评估范围运算符之前，它不会变为假。

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。因为它查找真值，所以它为给定函数的返回值创建了一个标量上下文，因此..运算符就像一个触发器。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false，所以你得到之间的所有行标题包括自己。

因为我认为你知道一些Perl，你可以和..一起使用任意测试，我希望这有助于解决你的问题！

使用Mojolicious用户代理解析HTML

1 个答案:

可能是最神奇的方法

简单示例

输出

说明