Question

我是perl编程的新手，现在陷入了困境。实际上，我必须解析一个包含单个表的html文件，并且必须从中提取一行，而该行的一个列条目对我来说是已知的。 >

我的html文件看起来像这样-

many previous rows description in html format....

<td>some_value_default</td>
<td>0x0</td>
<td><a href="something" target="xyz">something</a></td>
<td>abcd</td>

//*

<tr><a name="Maximum_Capacity"></a>

<td>some 23:4</td>
<td>some_27: 15</td>
<td>24:29</td>
<td>17</td>
<td colspan=3>Maximum_Capacity</td>
<td colspan=5>
some commonly use value are:  24:31|25:67|677:89|xyz abc    
</td>
//*

<td>some_value_default</td>
<td> 0x0</td>
<td><a href="something.html" target="ren">sometext</a></td>
<td>again some text</td>

description of many rows in html afterwards...

// *之间的行表示我要获取的行。我想使用其中包含的信息。如何在数组中获取该行，以便将每个列条目存储为数组元素。

请大家尝试帮助我。

Answer 1

使用HTML::TableExtract处理HTML文档中的表。这是一个很棒的工具。

一个非常基本的例子

use warnings;
use strict;
use feature 'say';

use List::MoreUtils qw(none);
use HTML::TableExtract;

my $file = shift @ARGV;
die "Usage: $0 html-file\n" if not $file or not -f $file;

my $html = do {  # read the whole file into $html string
    local $/;
    open my $fh, '<', $file or die "Can't open $file: $!";
    <$fh>;
};

my $te = HTML::TableExtract->new;
$te->parse($page);

# Print all tables in this html page
foreach my $ts ($te->tables) {
   say "Table (", join(',', $ts->coords), "):";
   foreach my $row ($ts->rows) {
      say "\t", join ',', grep { defined } @$row;
   }
}

# Assume that the table of interest is the second one
my $table = ($te->tables)[1];    
foreach my $row ($table->rows) {
    # Select the row you need; for example, identify distinct text in a cell
    next if none { defined and /Maximum_Capacity/ } @$row;
    say "\t", join ',', grep { defined } @$row;
}

该模块提供了多种方法来设置解析首选项，指定表，检索元素，使用标题等。请参阅文档，并在此站点上搜索相关文章。

我使用了List::MoreUtils中的none来测试列表中是否没有元素满足条件。

如何使用HTML :: TreeBuilder从html表中提取特定行

1 个答案: