Perl的HTML::TreeBuilder模块详解_Perl

当前位置：首页 > 脚本编程 > Perl > 正文

Perl的HTML::TreeBuilder模块详解: 发布时间：2020-06-10编辑：脚本学堂

HTML::TreeBuilder继承自HTML::Parser和HTML::Element，因此本文介绍的很多方法实际上源于HTML::Parser和HTML::Element。

html文件：

复制代码代码如下:

<html lang='i-klingon'>

     <head><title>Pati Pata</title></head>

     <body>

       <h1 lang='la'>职工</h1>

       <p lang='es-MX' align='center'>

         Foo bar baz <cite>Quux</cite>.

       </p>

       <p>Hooboy.</p>

     </body>

  </html>

perl代码：

复制代码代码如下:

#!/usr/bin/perl

use HTML::Element;

use HTML::TreeBuilder;

foreach my $file_name (@ARGV) {

    my $tree = HTML::TreeBuilder->new;

    $tree->parse_file($file_name);

    $head=$tree->find_by_tag_name('head');　　##找到head节点

    print $head->attr('_parent')->as_text();　##_parent属性的值是html节点

    print "n";

    $tree = $tree->delete;

}

首先根据一个文件创建了一棵HTML结构解析树$tree，注意$tree本身也是HTML::Element的一个实例，因为HTML::TreeBuilder继承自 HTML::Element。
调用<html>节点的as_text输出：Pati Pata职工 Foo bar baz Quux. Hooboy.
如果把find_by_tag_name('head')改成find('head')方法，效果一样。
如果把$head->attr('_parent')改成$head->look_up('lang','i-klingon')效果一样。同样你应该look_down()怎么用了。

复制代码代码如下:

#!/usr/bin/perl

use HTML::Element;

use HTML::TreeBuilder;

use HTML::Parser;

foreach my $file_name (@ARGV) {

    my $root = HTML::TreeBuilder->new;

    $root->parse_file($file_name);

    $body=$root->find_by_tag_name('body');

    $p=$body->find_by_attribute('lang','es-MX');　　##在当前节点及其子节点下寻找lang属性为es-MX的节点

    print $p->as_text();

    print "n";

    $tree = $root->delete;

}

输出： Foo bar baz Quux.
find_by_attribute不能向上查找，试图通过find_by_attribute('lang','i-klingon')来找到<html>节点是行不通的。
$p=$body->look_down('lang','es-MX');效果是一样的。
还可以这样来寻找节点：

复制代码代码如下:

$p=$body->look_down('_tag','p',
                        'align','center',
                        sub{$_[0]->attr('lang')=~qr/es/}
                        );

@childern=$root->content_list; ##返回content列表。即返回包含head和body的列表
    foreach(@childern){
        print $_->as_text();
        print "n";
    }

输出：
Pati Pata
职工 Foo bar baz Quux. Hooboy.
在标量环境下$root->content_list返回list的长度，在其他情况下如果把一个list返回给一个标量，则是返回list中的第一个元素。

复制代码代码如下:

foreach my $node_r ($p->content_refs_list){

        next if ref $$node_r;

        print $$node_r;

        print "n";

    }

输出两行：
Foo bar baz
.

之所以没有输出Quux就是因为ref $$node_r返回true了。
$p->dump()输出结果为：
 @0.1.1
" Foo bar baz "
<cite> @0.1.1.1
"Quux"
". "
dump(*FH) dump到一个文件中。
print $p->as_HTML();
输出： Foo bar baz <cite>Quux</cite>. 注意没有输出结尾标签。
print $p->as_text(skip_dels=>1,extra_chars=>'xA0');
“del"节点下的content text将被忽略，同时text string中多个连续的空格将被合并为一个空格。
$p->as_XML();
输出： Foo bar baz <cite>Quux</cite>. 。除了比as_HTML多一个外，还多一个换行符。
print $p->as_Lisp_form();
输出：
("_tag" "p" "align" "center" "lang" "es-MX" "_content" (
" Foo bar baz "
("_tag" "cite" "_content" (
"Quux"))
". "))
上面这个方法能让我们对一个节点的属性和属性的值看得非常清楚。

上一篇：通过实例学习Perl的Bloom::Filter与Web::Scraper模块
下一篇：Perl使用Net::FTP模块来上传下载文件

与 Perl的HTML::TreeBuilder模块详解有关的文章

本文标题：Perl的HTML::TreeBuilder模块详解
本页链接：http://www.jb200.com/article/3311.html

浏览排行

栏目分类

热点文章

Perl的HTML::TreeBuilder模块详解