忽略HTML :: TreeBuilder输出Perl中的文本

如何解决忽略HTML :: TreeBuilder输出Perl中的文本

|| 我需要忽略或删除所有HTML元素之间的所有文本，以便可以从给定的网页生成空白模板。我正在使用perl模块HTML :: TreeBuilder和HTML :: Element进行解析。我已经尝试了文档中提到的ignore_text方法，但是无法提供正确的结果。我还尝试过将DOMXpath与PHP结合使用来做同样的事情，结果似乎太麻烦了，难以管理。正则表达式可能有效，但对我而言是不得已的方法。这是我当前代码的一部分，非常基本。底部只是输出到文件。所有代码都起作用，我只需要格式化即可工作，以便生成模板文件。

my $url= \"http://www.example.com\";

my $page = get($url) or die $!;
my $tree = HTML::TreeBuilder->new_from_content($page);

$tree->parse_file($page);

$tree->ignore_text;
$tree->elementify;

open OUTPUT,\"+>\".$body;
my $output = $tree->as_HTML;
print OUTPUT $output;
close OUTPUT;




先谢谢您的帮助！

编辑：我发现了问题-仅当您从物理文件中解析时，忽略文本才有效。我不得不将页面另存为临时文件以进行解析，然后以不带文本的方式输出我想要的方式，然后我只是在底部做了unlink（$ tmp）来删除文件。从那以后，我的脚本在读写数据库方面变得越来越复杂，每次我需要创建此临时文件时，都会感到烦恼...

感谢您在下面的回复！
    解决方法
                                        你很亲密

看来您需要将ignore_text设置为真实值。 $tree->ignore_text(1)，然后在呼叫parse_file之前确定其设定。

抱歉，这有点长，但我希望对您有所帮助。

这是新代码的快速通过，没有示例页面很难测试：

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

$tree->ignore_text(1);
$tree->elementify;
$tree->parse_file( $page );


这是我使用本地文件的快速测试脚本：

use strict;
use warnings;

use HTML::TreeBuilder;

my $page = \'test.html\';
my $tree = HTML::TreeBuilder->new();

$tree->ignore_text(1);
$tree->parse_file($page);
$tree->elementify;

print $tree->as_HTML;


输入test.html：

<html xmlns=\"http://www.w3.org/1999/xhtml\">
<head>
  <title>title text</title>
</head>
<body>
  <h1>Heading 1</h1>
  <p>paragraph text</p>
</body>
</html>


并输出：

<html xmlns=\"http://www.w3.org/1999/xhtml\"><head><title></title></head><body><h1></h1><p></body></html>


祝好运
    ,        也许您应该使用HTML :: Parser来完成此任务。它可能需要更多代码，但不应太复杂。
    
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。

忽略HTML :: TreeBuilder输出Perl中的文本

如何解决忽略HTML :: TreeBuilder输出Perl中的文本

解决方法

相关推荐