Question

use WWW::Mechanize;
use HTML::TreeBuilder::XPath;
my $mech = new WWW::Mechanize;
my $tree = new HTML::TreeBuilder::XPath;
my $url = "http://www.elaws.gov.bw/wondersbtree.php";
$mech->get($url);
$tree->parse($mech->content());
@nodes = $tree->findnodes("//p[font = 'PRINCIPAL LEGISLATION']");
print @nodes[0]->as_HTML;

上面的代码打印出搜索到的HTML元素，但缺少最终的</p>标记。为什么？这是故意还是模块中的错误？

Answer 1

默认情况下，as_HTML方法会忽略某些可选的结束标记：

<强> as_HTML
$s = $h->as_HTML();
$s = $h->as_HTML($entities);
$s = $h->as_HTML($entities, $indent_char);
$s = $h->as_HTML($entities, $indent_char, \%optional_end_tags);
[...]

如果指定并定义了\%optional_end_tags，则它应该是对散列的引用，该散列为每个标记名称保留一个真值，其结尾标记是可选的。默认为\%HTML::Element::optionalEndTag，这是%HTML::Tagset::optionalEndTag的别名，在撰写本文时，它包含p, li, dt, dd的真值。要传递的有用值是空的hashref {}，这意味着此转储没有可选的结束标记。

例如：

use strict;
use warnings 'all';
use 5.010;

use HTML::TreeBuilder::XPath;

my $tree = HTML::TreeBuilder::XPath->new_from_content('<p>foo</p>');
my @nodes = $tree->findnodes('//p');

say $nodes[0]->as_HTML(undef, undef, {});

输出：

<p>foo</p>

请注意，您应始终use strict;和use warnings 'all';。

Answer 2

在HTML中，结束标记对于P elements是可选的。

HTML :: TreeBuilder :: XPath缺少结果中的最后一个标记

2 个答案: