Question

我有一个这样的文件格式：

Eye color
<p class="ul">Eye color, color</p> <p class="ul1">blue, cornflower blue, steely blue</p> <p class="ul1">velvet brown</p> <link rel="stylesheet" href="a.css">
</>
weasel
<p class="ul">weasel</p> <p class="ul1">musteline</p> <link rel="stylesheet" href="a.css">
</>

中用,分隔的每个单词都应包裹在<a>标记中，如下所示：

Eye color
<p class="ul">Eye color, color</p> <p class="ul1"><a href="entry://blue">blue</a>, <a href="entry://cornflower blue">cornflower blue</a>, <a href="entry://steely blue">steely blue</a></p> <p class="ul1"><a href="entry://velvet brown">velvet brown</a></p> <link rel="stylesheet" href="a.css">
</>
weasel
<p class="ul">weasel</p> <p class="ul1"><a href="entry://musteline">musteline</a></p> <link rel="stylesheet" href="a.css">
</>

标记内可能有一个或几个单词。

{@ {1}}单行有可能吗？

先谢谢了。任何帮助表示赞赏。

Answer 1

使用模块解析文件并遍历所需的元素（类的{{1}}）。从每个中提取那些用逗号分隔的短语，并在它们周围包装链接；然后用新内容替换元素。最后将更改后的树写出来。

使用HTML::TreeBuilder（及其主力HTML::Element）

ul1

在您的情况下，元素（use warnings; use strict; use feature 'say'; use HTML::Entities; use HTML::TreeBuilder; my $file = shift // die "Usage: $0 file\n"; my $tree = HTML::TreeBuilder->new_from_file($file); foreach my $elem ($tree->look_down(_tag => "p", class => "ul1")) { my @new_content; for ($elem->content_list) { my @w = split /\s*,\s*/; my $wrapped = join ", ", map { qq(<a href="entry://$_">).$_.q(</a>) } @w; push @new_content, $wrapped; } $elem->delete_content; $elem->push_content( @new_content ); }; say decode_entities $tree->as_HTML;）将在$elem中具有一项，因此您不必将修改后的内容收集到数组（content_list）中，但可以对其进行处理仅一件，简化了代码。使用上面的列表当然不会受到伤害。

我将该程序的输出重定向到@new_content文件。生成的文件在换行符上很节俭。如果漂亮的HTML很重要，请使用HTML::Tidy或HTML::PrettyPrinter之类的工具进行传递。

单线吗？不，太多了。并且请不要使用正则表达式，因为这会给您带来麻烦。它需要紧密的工作才能正确完成，容易陷入越野车，对最小的细节敏感，并且即使输入的更改很小，也很脆弱。这就是它可以进行的工作。有图书馆的原因。

Mojo::DOM是完成这项工作的另一个好工具。例如

.html

产生与上述相同的HTML（效果更好，请注意无需处理实体）。

较新的模块版本提供了new_tag方法，通过该方法可以在上面创建其他链接

use Mojo::DOM;
use Path::Tiny;  # only to read the file into a string easily

my $html = path($file)->slurp;

my $dom = Mojo::DOM->new($html);

foreach my $elem ($dom->find('p.ul1')->each) {
    my @w = split /,/, $elem->text;
    my $new = join ', ',
        map { qq(<a href="entry://$_">).$_.q(</a>) } @w;
    $elem->replace( $new );
}

say $dom;

可以满足一些微妙的需求（HTML转义为一个）。添加此方法时的主要文档不要说，请参见changelog（2018年5月，据称在v5.28中；适用于我的5.29.2）。

我将显示的示例填充到此文件中进行测试：

my $new = join ', ', 
   map { $e->new_tag('a', 'href' => "entry://$_", $_) } @w;

更新已明确的是，给定的标记片段不仅是大概完整的HTML文档的一部分，而且还是一个自定义格式的文件（如上所述）使用HTML；除了必需的更改之外，其余所有都需要保留。

一个特别令人不快的细节被证明是<!DOCTYPE html> <title>Eye color</title> <body> Eye color, color blue, cornflower blue, steely blue velvet brown <link rel="stylesheet" href="a.css"></> weasel weasel musteline <link rel="stylesheet" href="a.css"></> </body> </html>的一部分； </>，HTML::TreeBuilder和Mojo::DOM ^†中的每一个在解析时都将其丢弃。我找不到让他们坚持下去的方法。

Marpa::HTML根据需要处理了整个片段，更改了要询问的内容，而其余部分则保留下来。

XML::LibXML

类use warnings; use strict; use feature 'say'; use Path::Tiny; use Marpa::HTML qw(html); my $file = shift // die "Usage: $0 file\n"; my $html = path($file)->slurp; my $marpa = Marpa::HTML::html( \$html, { 'p.ul1' => sub { return join ', ', map { qq(<a href="entry://$_">).$_.q(</a>) } split /\s*,\s*/, Marpa::HTML::contents(); }, } ); say $$marpa;的{{1}}标记的处理与上面相同：以逗号分割内容并将每段内容包装到标记中，然后使用{ {1}}

此打印（添加了换行符和缩进以提高可读性）

ul1

此模块的整体方法适用于此类任务

<a>是一个非常宽松的HTML解析器。 ,不会拒绝任何文档，也不会满足HTML标准的要求。

此处处理了自定义的类似HTML的标记，将Eye color Eye color, color <a href="entry://blue">blue</a>, <a href="entry://cornflower blue">cornflower blue</a>, <a href="entry://steely blue">steely blue</a> <a href="entry://velvet brown">velvet brown</a> <link rel="stylesheet" href="a.css"> </> weasel weasel <a href="entry://musteline">musteline</a> <link rel="stylesheet" href="a.css"> </>之类的内容保留在原处。

^† 有关使用Marpa::HTML

对HTML进行非常宽松的处理的示例，请参见this post。

Answer 2

perl -0777 -MWeb::Query=wq -lne'
    my $w = wq $_; my $sep = ", ";
    $w->filter("p.ul1")->each(sub {
        my (undef, $e) = @_;
        $e->html(join $sep, map {
            qq(<a href="entry://$_">$_</a>)
        } split $sep, $e->text);
    });
    print $w->as_html;
'

Answer 3

单线：

cat text | perl -pE 's{<p class="ul1">\K.*?(?=<\/p>)}{ join ", ", map {qq|<a href="entry://$_">$_</a>|} split /, */, $& }eg'

Perl在HTML / XML标记内的单词周围添加<a> </a>

3 个答案: