Question

有一个网页解析器，它在一个特定的结构中包含一个包含多个标签的页面，其中div被严重嵌套。我需要提取某个div元素，并将其及其所有内容复制到新的html文件中。

由于我是lua的新手，我可能需要对事情进行简单的澄清。

谢谢，

Answer 1

数据提取的简便性在很大程度上取决于页面本身。如果页面在整个过程中使用完全相同的标记信息，那么提取它将比命名标记更难。

如果您能够找到返回json格式的页面版本，那么您的状况会好得多。这是我编写的一些代码片段，用于从没有json格式的网页中获取定义：

local actualword, definition = string.match(wayup,"<html.-<td class='word'>%c(.-)%c</td>.-<div class=\"definition\">(.-)</div>")

本质上，这段代码搜索到页面，直到找到类“word”，然后在它之后取词（％c是控制字符的模式）。它继续“定义”并捕获了它。

正如你所看到的，它有点令人费解，但我有幸为我想要的专门命名标签。

编辑此内容以符合您的评论。作为我之前应该提到的附注，如果您熟悉正则表达式，则可以使用其模型来捕获所需内容。在这种情况下，它正在捕获字符串的整体：

local data = string.match(page, "(<div id=\"aa\"><div>.-</div>.-</div>)")

这很少是语言的错，而是网页本身，这使得挖掘任何东西都很困难。由于网页实际上可以包含数百行代码，因此很难准确地指出您想要的内容而不会遇到垃圾信息。这就是为什么我更喜欢简化的结果，比如json，因为Lua有一个可以编码/解码的json模块，你可以得到你的精确信息。