Perl : 使用 HTML::TokeParser 提取具有特定类的 HTML 元素

Question

我正在尝试提取与“tablehead1”类对应的

标记中存在的 HTML 内容。

< td class="tablehead1"> Market < /td >

在解析时，我得到了整个 html 文件中存在的

标签的所有文本内容。 但我只需要特定类“tablehead1”的 标签中的内容。

我在下面的代码中哪里出错了？

use HTML::TokeParser;

open(DATA,"<KeyStats.html") or die "Can't open data";
my $p = HTML::TokeParser->new(*DATA);

while (my $token = $p->get_tag('td')) {

 my $url = $token->[1]{class} || "tablehead1";
 my $text = $p->get_trimmed_text("/td");

 if (length($text)<30&&length($text)>0) {  print "$text\n"; }
}

【问题讨论】：

• 使用HTML::TableExtract。
• 另外length($text)<30&&length($text)>0 是可憎的。我所知道的不乏空格字符。加上$text and (length($text) < 30) 好多了。

Answer 1

您并没有真正执行检查class 是否真的是tablehead1。

替换

my $url = $token->[1]{class} || "tablehead1";

由

next unless $token->[1]{class} eq "tablehead1";

应该会给你预期的结果。此外，您应该添加检查实际的<td> 是否真的有一个键class，例如由

next unless grep( /^class$/, @{$token->[2]} ) && $token->[1]{class} eq "tablehead1";