如何在 Perl 中将 HTML 文件转换为哈希？答案

【问题标题】：How to convert HTML file into a hash in Perl?如何在 Perl 中将 HTML 文件转换为哈希？
【发布时间】：2013-08-08 22:09:35
【问题描述】：

有没有什么简单的方法可以将 HTML 文件转换为 Perl 哈希？例如一个工作的 Perl 模块之类的？

我在 cpan.org 上搜索，但没有找到任何可以做我想做的事。我想做这样的事情：

use Example::Module;
my $hashref = Example::Module->new('/path/to/mydoc.html');

在此之后，我想引用第二个 div 元素，如下所示：

my $second_div = $hashref->{'body'}->{'div'}[1];
# or like this:
my $second_div = $hashref->{'body'}->{'div'}->findByClass('.myclassname');
# or like this:
my $second_div = $hashref->{'body'}->{'div'}->findById('#myid');

有什么可行的解决方案吗？

【问题讨论】：

标签： perl html-parsing perl-module

【解决方案1】：

HTML::TreeBuilder::XPath 为您提供比简单哈希更多的功能。

摘自：

  use HTML::TreeBuilder::XPath;
  my $tree = HTML::TreeBuilder::XPath->new;
  $tree->parse_file( "mypage.html");

  my $nb=$tree->findvalue('/html/body//p[@class="section_title"]/span[@class="nb"]');
  my $id=$tree->findvalue('/html/body//p[@class="section_title"]/@id');
  my $p= $html->findnodes('//p[@id="toto"]')->[0];

  my $link_texts= $p->findvalue( './a'); # the texts of all a elements in $p

  $tree->delete; # to avoid memory leaks, if you parse many HTML documents

更多关于XPath。

【讨论】：

【解决方案2】：

Mojo::DOM (docs found here) 构建一个简单的 DOM，可以以 CSS 选择器样式访问：

# Find
say $dom->at('#b')->text;
say $dom->find('p')->pluck('text');
say $dom->find('[id]')->pluck(attr => 'id');

如果您使用的是 xhtml，您也可以使用 XML::Simple，它会生成与您描述的数据结构相似的数据结构。

【讨论】：