Question

这个问题已被重新定义。我使用CPAN Perl模块WWW::Mechanize来浏览网站，HTML::TreeBuilder-XPath来捕获内容，使用xacobeo来测试HTML / XML上的XPath代码。目标是从基于PHP的网站调用此Perl脚本，并将已删除的内容上载到数据库中。因此，如果内容“缺失”，则仍需要考虑内容。

以下是经过测试的简化示例代码，描述了我的挑战。注意：

此页面是动态填充的，包含为不同商店输出的各种ITEMS;每个商店将存在不同数量的Products*。这些产品清单可能有也可能没有其下方的逐项表。
捕获的数据必须在数组中，并且必须维护任何逐项列表（如果存在）与产品列表的关联。

下面，示例xml每个商店更改（如上所述），但为了简洁起见，我只显示一个“类型”的输出。我意识到所有数据都可以捕获到一个数组中，然后使用正则表达式来解密内容，以便将其上传到数据库中。我正在寻求更好的XPath知识，以帮助简化这个（和未来的）解决方案。

<!DOCTYPE XHTML>
<table id="8jd9c_ITEMS">
<tr><th style="color:red">The Products we have in stock!</th></tr>

<tr><td><span id="Product_NUTS">We have nuts!</span></td></tr>
<tr><td>
    <!--Table may or may not exist  -->
           <table>                                  
      <tr><td style="color:blue;text-indent:10px">Almonds</td></tr>
      <tr><td style="color:blue;text-indent:10px">Cashews</td></tr>
      <tr></tr>
    </table>
</td></tr>

<tr><td><span id="Product_VEGGIES">We have veggies!</span></td></tr>
<tr><td>
    <!--Table may or may not exist -->
    <table>
      <tr><td style="color:blue;text-indent:10px">Carrots</td></tr>
      <tr><td style="color:blue;text-indent:10px">Celery</td></tr>
      <tr></tr>
    </table>
</td></tr>

<tr><td><span id="Product_ALCOHOL">We have booze!</span></td></tr>
    <!--In this case, the table does not exist -->
</table>

XPath声明：

'//table[contains(@id, "ITEMS")]/tr[position() >1]/td/span/text()'

会找到：

We have nuts!
we have veggies!
We have booze!

和XPath声明：

'//table[contains(@id, "ITEMS")]/tr[position() >1]/td/table/tr/td/text()'

会找到：

Almonds
Cashews
Carrots
Celery

可以组合两个XPath语句：

'//table[contains(@id, "ITEMS")]/tr[position() >1]/td/span/text() | //table[contains(@id, "ITEMS")]/tr[position() >1]/table/tr/td/text()'

找到：

We have nuts!
Almonds
Cashews
We have veggies!
Carrots
Celery
We have booze!

同样，上面的数组可以使用正则表达式对其产品到列表关联进行解密（在实际代码中）。 但是，可以使用XPath以保持该关联的方式构建阵列吗？

例如（假说，这不起作用）：

'//table[contains(@id, "ITEMS")]/tr[position()>1]/td/span/text() | 
if exists('//table[contains(@id, "ITEMS")]/tr[position() >1]/table)) 
then ("NoTable") else ("TableRef") | 
Save this result into @TableRef ('//table[contains(@id, "ITEMS")]/tr[position() >1]/table/tr/td/text()')'

在Perl中构建多维数组（在传统意义上）是不可能的，请参阅perldoc perlref但是希望类似于上面的解决方案可以创建类似的东西：

@ITEMS[0] => We have nuts!
@ITEMS[1] => nutsREF     <-- say, the last word of the span value + REF
@ITEMS[2] => We have veggies!
@ITEMS[3] => veggiesREF  <-- say, the last word of the span value + REF
@ITEMS[4] => We have booze!
@ITEMS[5] => NoTable     <-- value accounts for the missing info

@nutsREF[0] => Almonds
@nutsREF[1] => Cashews

@veggiesREF[0] => Carrots
@veggiesREF[1] => Celery

在实际代码中，产品是已知的，因此可以在预期XPath输出时定义my @veggiesREF和my @nutsREF。

我意识到XPath if / else / then功能是在XPath 2.0版本中。我在ubuntu系统上并在本地工作，但我仍然不清楚我的apache2服务器是使用它还是1.0版本。我该如何检查？

最后，如果您可以展示如何从PHP表单提交调用Perl脚本以及如何将Perl数组传递回调用PHP函数，那么这将获得赏金。 :)

谢谢！

最终编辑：

这篇文章下方的评论是针对一个过于模糊的初始帖子。随后的重新发布（和赏金）由ikegami以非常有创意的方式回应解决了伪问题，但在我的实际应用程序中难以掌握和重用 - 这需要在各种html页面上进行多次使用。在关于我们对话框中的第18条评论中，我终于发现了他的意思和使用（$ cat） - 他使用的未记录的Perl语法。对于新读者来说，理解该语法可以理解（并重新格式化）他对问题的智能解决方案。他的帖子肯定符合OP中寻求的基本要求，但不使用HTML :: TreeBuilder :: XPath来实现。

jpalecek使用HTML :: TreeBuilder :: XPath，但不会将捕获的数据放入数组中，以便传回PHP函数并上传到数据库中。

我从两位响应者那里学到了很多，希望这篇文章可以帮助像Perl这样的新人，比如我自己。任何最后的贡献将不胜感激。

Answer 1

如果我猜，你的问题是：“如何从提供的输入中获得以下内容？”

my $categorized_items = {
   'We have nuts!'    => [ 'Almonds', 'Cashwes' ],
   'We have veggies!' => [ 'Carrots', 'Celery' ],
   'We have booze!'   => [ ],
};

如果是这样，我就是这样做的：

use Data::Dumper qw( Dumper );
use XML::LibXML  qw( );

my $root = XML::LibXML->load_xml(IO=>\*DATA)->documentElement;

my %cat_items;
for my $cat_tr ($root->findnodes('//table[contains(@id, "ITEMS")]/tr[td/span]')) {
   my ($cat) = map $_->textContent(),
      $cat_tr->findnodes('td/span');

   my @items = map $_->textContent(),
      $cat_tr->findnodes('following-sibling::tr[position()=1]/td/table/tr/td');

   $cat_items{$cat} = \@items;
}

print(Dumper(\%cat_items));

__DATA__
...xml...

PS - 你所拥有的是无效的HTML。

TABLE元素不能直接放在TR元素中。 TD元素缺失了。
TR元素不能为空。它必须至少有一个TH或TD元素。

Answer 2

如何在运行something之前确定query存在。例如。如果存在//p[@class='red']，则返回//table：
```
/.[//p[@class='red']]//table
```
x[3 and 4 and 5]：3 and 4 and 5是一个布尔表达式，产生true。因此，它将为您提供所有x个。对于你想要的第3，第4和第5个
```
x[position() >= 3 and position() <= 5]
```

回答编辑过的问题：

为什么不将XML::XPathEngine用于多个查询？

my $xp = XML::XPathEngine->new;
my $tree = HTML::TreeBuilder::XPath->new;
$tree->parse (something);

然后，您可以查询：

my $shops = $xp->findnodes('//table[contains(@id, "ITEMS")]/tr[position() >1]/td[@span]', $tree);
for($shops->get_nodelist) {
  print "Name of shop is ".$xp->findvalue('span/text()', $_)."\n"; # <- query relative to $_
  print "The shop sells:\n". join("\n", $xp->findvalues('parent::*/following-sibling::tr[1][not(span)]/td/table/tr/td', $_));
}

这与@ ikegami的回答相同（XML::XPathEngine使用HTML::TreeBuilder::XPath）。顺便说一句，如果商店可以有更多的产品线，那么应该更新。

带有条件的Perl XPath语句 - 可能吗？

2 个答案: