我正在尝试使用Web :: Scraper解析以下HTML:
<div>
<p><strong>TITLE1</strong>
<br>
DESCRIPTION1
</p>
<p><strong>TITLE2</strong>
<br>
DESCRIPTION2
</p>
<p><strong>TITLE3</strong>
<br>
DESCRIPTION3
</p>
</div>
进入
'test' => [
{
'name' => 'TITLE1',
'desc' => 'DESCRIPTION1 '
},
{
'name' => 'TITLE2',
'desc' => 'DESCRIPTION2 '
},
{
'name' => 'TITLE3',
'desc' => 'DESCRIPTION3 '
}
]
我有以下代码,但运气不佳。处理'p'时的'TEXT'既给出了文本,又给出了介于“ strong”之间的内容
'test' => [
{
'name' => 'TITLE1',
'desc' => 'TITLE1 DESCRIPTION1 '
}
]
加上其唯一的第一项。
这是我的代码。
use strict;
use Web::Scraper;
use Data::Dumper;
my $html = q[<div>
<p><strong>TITLE1</strong>
<br>
DESCRIPTION1
</p>
<p><strong>TITLE2</strong>
<br>
DESCRIPTION2
</p>
<p><strong>TITLE3</strong>
<br>
DESCRIPTION3
</p>
</div>
];
my $test = scraper {
process 'div', 'test[]' => scraper {
process 'p strong', 'name' => 'TEXT';
process 'p','desc' => 'TEXT';
};
};
my $res = $test->scrape(\$html);
print Dumper($res);
谢谢你。
您的代码中有两点需要更改。
要仅获取DESCRIPTION -text,请使用xpath。//p/text()
会在any的正下方提供文本节点p
,因此strong
不包含内的文本节点。
要使所有p
显示块(不仅是第一个)都显示在数组中,请使第一个指令处于on位置div p
。这样,它就可以抓住a的所有p
内部,div
而不仅仅是一个div
。
my $test = scraper {
process 'div p', 'test[]' => scraper {
process 'p strong', 'name' => 'TEXT';
process '//p/text()', 'desc' => ['TEXT', sub { s/^\s+|\s+$//g } ];
};
};
输出(带有Data :: Printer):
\ {
test [
[0] {
desc "DESCRIPTION1",
name "TITLE1"
},
[1] {
desc "DESCRIPTION2",
name "TITLE2"
},
[2] {
desc "DESCRIPTION3",
name "TITLE3"
}
]
}
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句