使用Html :: TreeBuilder :: XPath打印表内容

Question

我想从html文件中提取所有表格并按照以下方式打印其内容：\t分隔每个单元格，每行由\n分隔，每个表格用{{1}分隔}。以下是我的脚本，当我将它更改为tr上的findvalues然后整个tr作为一个元素插入，我甚至尝试了其他方法，如findnodes_as_strings（$ path），我想将其修改为上述结构。

\n\n

Answer 1

您需要单独处理每个表，对于行也是如此：

foreach my $table ( $tree->findnodes('//table') ) {

    foreach my $row ( $table->findnodes('.//tr') ) {

        my @cells = $row->findvalues('.//td');
        print join("\t", @cells), "\n";
    }
    print "\n";
}

当然这只是简单表的解决方案（考虑一下columnpans，th，table inside table等。）