如果我知道里面的标签，我怎么才能使用Perl的HTML模块找到div的内容？ [英] How can I find the contents of a div using Perl's HTML modules, if I know a tag inside of it?

问题描述

自从我问了如何用正则表达式解析html，并且遭到了一些攻击（理所当然），我一直在研究 HTML :: TreeBuilder ， HTML :: Parser ， HTML :: TokeParser 和 HTML :: Elements Perl模块。

我有这样的HTML：

 < div id =listSubtitlesFilm> 
< dt id =a1> 
< a href =/ 45 / subtitles-67624.aspx> 
 .45（2006）
< / a> 
< / dt> 
< / div> 
  

我想解析 /45/subtitles-67624.asp ，但更重要的是我想知道如何解析div的内容

。

我被给了这个上一个问题的例子：

  while（my $ anchor = $ parser-> get_tag（'a'））{
 if（my $ href = $ anchor-> get_attr（'href'））{
 #http：//subscene.com/english/Sit-Down-Shut-Up-First-Season/subtitles -272112.aspx 
 push @dnldLinks，$ 1 if $ href =〜m！/ subtitle-（\d {2,8}）\.aspx !; 
} 
  

这个工作非常完美，但是当我尝试编辑它时，在``div`上使用它不起作用。这是我试过的代码：

我试过使用这段代码：

 <$ c $ （$ my $ anchor = $ p-> get_tag（dt））{
 if（$ stuff = $ anchor-> get_attr（'a1'））{
 print $ stuff \\\
; 
} 
} 
  

解决方案

地址，您的具体问题，给定的HTML：

 < div id =listSubtitlesFilm> 
< dt id =a1> 
< a href =/ 45 / subtitles-67624.aspx> 
 .45（2006）
< / a> 
< / dt> 
< / div> 
  

我假设您对锚文本感兴趣，即。 （2006），在这种情况下，但只有当锚点出现在 div 时，id listSubtitlesFilm 。

 ＃！/ usr / bin / perl 
 
 use strict; 
使用警告; 
 
使用HTML :: TokeParser :: Simple; 
 
 my $ parser = HTML :: TokeParser :: Simple-> new（handle => \ * DATA）; 
 
 my @dnldLinks; 
 
 while（my $ div = $ parser-> get_tag（'div'））{
 my $ id = $ div-> get_attr（'id'）; 
 next除非定义（$ id）和$ id eq'listSubtitlesFilm'; 
 
 my $ anchor = $ parser-> get_tag（'a'）; 
 my $ href = $ anchor-> get_attr（'href'）; 
 next除非定义（$ href）
和$ href =〜m！/ subtitles-（\d {2,8}）\.aspx\z !; 
 push @dnldLinks，[$ parser-> get_trimmed_text（'/ a'），$ 1]; 
} 
 
使用Data :: Dumper; 
打印Dumper \ @ dnldLinks; 
 
 
 __DATA__ 
< div id =listSubtitlesFilm> 
< dt id =a1> 
< a href =/ 45 / subtitles-67624.aspx> 
 .45（2006）
< / a> 
< / dt> 
< / div> 
  

输出：

 
 $ VAR1 = [
 [
'.45（2006）'，
'67624'
] 
]; 
 

Ever since I asked how to parse html with regex and got bashed a bit (rightfully so), I've been studying HTML::TreeBuilder, HTML::Parser, HTML::TokeParser, and HTML::Elements Perl modules.

I have HTML like this:

<div id="listSubtitlesFilm">
  <dt id="a1">
    <a href="/45/subtitles-67624.aspx">
      .45 (2006)
    </a>
  </dt>
</div>

I want to parse out the /45/subtitles-67624.asp, but more importantly I want to know how to parse out the contents of the div.

I was given this example on a previous question:

while ( my $anchor = $parser->get_tag('a') ) {
    if ( my $href = $anchor->get_attr('href') ) {
 #http://subscene.com/english/Sit-Down-Shut-Up-First-Season/subtitles-272112.aspx
        push @dnldLinks, $1 if $href =~ m!/subtitle-(\d{2,8})\.aspx!;
    }

This worked perfectly for that, but when I tried to edit it a bit and use it on a ``div` it didn't work. Here is the code I tried:

I tried using this code:

while (my $anchor = $p->get_tag("dt")) {
  if($stuff = $anchor->get_attr('a1')) {
    print $stuff."\n";
  }
}

解决方案

To address, your specific question, given the HTML:

<div id="listSubtitlesFilm">
  <dt id="a1">
    <a href="/45/subtitles-67624.aspx">
      .45 (2006)
    </a>
  </dt>
</div>

I am assuming you are interested in the anchor text, i.e. ".45 (2006)", in this case, but only if the anchor occurs in a div with id listSubtitlesFilm.

#!/usr/bin/perl

use strict;
use warnings;

use HTML::TokeParser::Simple;

my $parser = HTML::TokeParser::Simple->new(handle => \*DATA);

my @dnldLinks;

while ( my $div = $parser->get_tag('div') ) {
    my $id = $div->get_attr('id');
    next unless defined($id) and $id eq 'listSubtitlesFilm';

    my $anchor = $parser->get_tag('a');
    my $href = $anchor->get_attr('href');
    next unless defined($href)
        and $href =~ m!/subtitles-(\d{2,8})\.aspx\z!;
    push @dnldLinks, [$parser->get_trimmed_text('/a'), $1];
}

use Data::Dumper;
print Dumper \@dnldLinks;


__DATA__
<div id="listSubtitlesFilm">
  <dt id="a1">
    <a href="/45/subtitles-67624.aspx">
      .45 (2006)
    </a>
  </dt>
</div>

Output:

$VAR1 = [
          [
            '.45 (2006)',
            '67624'
          ]
        ];

这篇关于如果我知道里面的标签，我怎么才能使用Perl的HTML模块找到div的内容？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！