Perl HTML::TreeBuilder模块讲解

果果、 · 发表于 2015-12-26 09:37:04

HTML::TreeBuilder继承自HTML::Parser和HTML::Element，所以下面讲的很多方法实际上源于HTML::Parser和HTML::Element。
　　拿下面这个HTML文件开刀：

<html lang='i-klingon'>
<head><title>Pati Pata</title></head>
<body>
<h1 lang='la'>职工</h1>

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

Hooboy.
</body>
</html>

　　perl代码：

#!/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。
　　

#!/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：

$p=$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。
　　

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。

账号		自动登录	找回密码
密码			立即注册

VMware vcenter+vSphere 6.5 U2共享

zabbix3.4.1安装部署+微信推送信息+大屏显

winhex数据恢复教程（非常巨大，内容丰富）

【跟谁学】韩宇极简英语课-技术人员不得不

用Zabbix通过JMX方式监控weblogic

Symantec Backup Exec 2015 2016/2012 BE20

NetScaler VPX部署之：NetScaler Gateway调

[经验分享] Perl HTML::TreeBuilder模块讲解

扫码加入运维网微信交流群