Question

我在perl脚本中使用WWW :: Mechanize，HTML :: TreeBuilder和HTML :: Element来浏览html-Documents。

我想知道如何搜索包含某个字符串作为文本的元素。

以下是html文档的示例：

<html>
  <body>
    <ul>
      <li>
       <div class="red">Apple</div>
       <div class="abc">figure = triangle</div>
      </li>
      <li>
       <div class="red">Banana</div>
       <div class="abc">figure = square</div>
      </li>
      <li>
       <div class="green">Lemon</div>
       <div class="abc">figure = circle</div>
      </li>
      <li>
       <div class="blue">Banana</div>
       <div class="abc">figure = line</div>
      </li>
    </ul>
  </body>
</html>

我想提取文字square。为了得到它，我必须搜索具有此属性的元素：

tag-name是＆＃34; div＆＃34;
class is＆＃34; red＆＃34;
内容为文字＆＃34;香蕉＆＃34;

然后我需要得到它的父母（一个<li> - 元素），并且从父母那里得到的文字的孩子以figure =开头，但是这个，以及休息，很容易。

我试过这种方式：

use strict;
use warnings;
use utf8;
use Encode;
use WWW::Mechanize;
use HTML::TreeBuilder;
use HTML::Element;

binmode STDOUT, ":utf8";

my $mech = WWW::Mechanize->new();

my $uri = 'http.....'; #URI of an existing html-document

$mech->get($uri);
if (($mech->success()) && ($mech->is_html())) {
    my $resp = $mech->response();
    my $cont = $resp->decoded_content;
    my $root = HTML::TreeBuilder->new_from_content($cont);

    #this works, but returns 2 elements:
    my @twoElements = $root->look_down('_tag' => 'div', 'class' => 'red');

    #this returns an empty list:
    my @empty = $root->look_down('_tag' => 'div', 'class' => 'red', '_content' => 'Banana');

    # do something with @twoElements or @empty   
}

我必须使用什么代替最后一个命令来获取想要的元素？

我不是在找一个解决方法（我找到了一个）。我想要的是WWW :: Mechanize，HTML :: Tree或任何其他cpan-modul的本机函数。

Answer 1

这是psuedocode / unttested Perl：

  my @twoElements = $root->look_down('_tag' => 'div', 'class' => 'red');
  foreach my $e ( @twoElements ) {
     next unless $e->content_list->[0] eq 'Banana';
     my $e2 = $e->right;   # get the sibling - might need to try left() depending on ordering
     my ($shape) = $e2->content_list->[0] =~ /figure = (.+)/;

     # do something with shape...

  }

不完美，但它应该让你开始，并且它足够通用，可以轻松重复使用。否则替换

    ($shape) = $e2->content_list->[0] =~ /figure = (.+)/;

类似

$shape = 'square' if $e2->content_list->[0] =~ /square/;

这可能更清洁一点：

我的@elements = $ root-＆gt; look_down（'_ tag'=＆gt;'div'，'class'=＆gt;'red'）; 预告我的$ e（@elements）{ 接下来除非$ e-＆gt; as_trimmed_text eq'Banana'; 我的$ e2 = $ e-＆gt;对; 我的（$ shape）= $ e2-＆gt; as_trimmed_text =〜/ figure =（。+）/;

     # do something with shape...
  }

WWW::Mechanize::TreeBuilder

如何使用Mechanize在html文档中搜索文本？

1 个答案: