如何使用 HTML::TreeBuilder 获取属性答案

【问题标题】：How to get an attribut with HTML::TreeBuilder如何使用 HTML::TreeBuilder 获取属性
【发布时间】：2014-04-11 08:48:42
【问题描述】：

我尝试在 Jamendo 站点的主体标签中提取 JSon：

<body id="album-home" data-tracksMgr='{...}'>

我研究过 HTML::Element 和 HTML::Tree::Scanning 但我没有运气。如果我转储树，我会看到 data-tracksMgr。

use strict;
use warnings;
use HTML::TreeBuilder;
use YAML::Any qw'DumpFile LoadFile';
my $url = 'http://www.jamendo.com/de/list/a116765';
my $tree = HTML::TreeBuilder->new_from_url( $url );
my @data = $tree->attr_get_i("data-tracksMgr");
DumpFile('test.yaml', @data);

感谢您的帮助！

【问题讨论】：

HTML 是什么样的？您是否收到任何错误或其他输出？
您可以查看网站上的 HTML - 我没有收到任何错误...我没有收到任何回复
该 URL 返回 301。请尝试访问该 URL。
如果你使用 $data 而不是 @data 会发生什么。 $data 将移动它返回的 attr_get_i 数组中的第一个元素。

标签： html perl parsing custom-attributes

【解决方案1】：

另一种方法是使用Mojo::UserAgent 和Mojo::DOM 来获取网页和检索属性。请注意，您指定的网址实际上会重定向到另一个位置，因此有必要说跟随重定向：

use strict;
use warnings;

use Mojo::UserAgent;
use YAML::Any qw(DumpFile LoadFile);

my $url = 'http://www.jamendo.com/de/list/a116765';
#my $url = 'http://www.jamendo.com/de/list/a116765/after-the-rain';  # Redirects to this URL

my $ua = Mojo::UserAgent->new(max_redirects => 5);
my $dom = $ua->get($url)->res->dom;

my $data = $dom->find('body')->attr('data-tracksmgr');

DumpFile('test.yaml', "$data");

就像HTML::TreeBuilder一样，所有属性都是小写的。

这两个模块都可以使用Mojolicious 安装，Mojocast Episode 5 有一个有用的 8 分钟介绍 UA 和 Dom 选择器

【讨论】：

谢谢，这比 HTML::TreeBuilder 更简单、更直观。你的解释也帮了大忙。

【解决方案2】：

来了。您需要获取一个子元素，因为 attr_get_i 返回向上移动层次结构的属性。此外，在我使用的 DataDump 中，data-tracksMgr 已更改为全小写，因此搜索该属性需要小写 M。

my $tree = HTML::TreeBuilder->new_from_url( $url );
my $div = $tree->find_by_tag_name('div');
my $data = $div->attr_get_i("data-tracksmgr");
DumpFile('test.yaml', $data);

div 是任意的，因为所有的 div 都是 body 标签的子标签，所以我只使用标量上下文来抓取第一个。

【讨论】：

谢谢，现在我对 TreeBuilder 有了更好的理解 :)