1

我正在尝试使用 Perl 的 XML::LibXML 库解析以下 XML。

<?xml version="1.0" encoding="UTF-8" ?>
<TaggedPDF-doc>  
 <Part>
  <Sect>
    <H4>2.1 Study purpose </H4>
    <P>This is study purpose content</P>
    <P>content 1</P>
    <P>content 2</P>
    <P>content 3 </P>
    <P>content 4</P>
    <P>3. Some Header</P>
    <P>obj content 4</P>
    <P>obj content 2</P>
  </Sect>
 </Part>
</TaggedPDF-doc>

出于标题研究的目的，我正在尝试显示所有相关的兄弟姐妹。所以我的预期输出是：

<H4>2.1 Study purpose </H4>
<P>This is study purpose content</P>
<P>content 1</P>
<P>content 2</P>
<P>content 3 </P>
<P>content 4</P>

我的 Perl 代码如下。我可以显示第一个节点。

给定第一个节点的值，研究目的，有没有一种方法可以循环并打印所有节点，直到遇到包含“数字后跟'。'”的节点？

我的 perl 实现：

my $purpose_str = 'Purpose and rationale|Study purpose|Study rationale';
$parser = XML::LibXML->new;
#print "Parser for file $file is: $parser \n";     
$dom = $parser->parse_file($file);

$root = $dom->getDocumentElement;
$dom->setDocumentElement($root);

for my $purpose_search('/TaggedPDF-doc/Part/Sect/H4')
{
    $purpose_nodeset = $dom->find($purpose_search);
    foreach my $purp_node ($purpose_nodeset -> get_nodelist)
    {
        if ($purp_node =~ m/$purpose_str/i)
        {
            #Get the corresponding child nodes
            @childnodes = $purp_node->nonBlankChildNodes();

            $first_kid = shift @childnodes;
            $second_kid = $first_kid->nextNonBlankSibling();
            #$third_kid = $second_kid->nextNonBlankSibling();

            $first_kid -> string_value;
            $second_kid -> string_value;
            #$third_kid -> string_value;
        }

        print "Study Purpose is: $first_kid\n.$second_kid\n";
    }
}
4

1 回答 1

1

如果您想要兄弟姐妹，请不要查看子节点。如果textContent要匹配节点的文本内容，请使用。

#!/usr/bin/perl
use warnings;
use strict;
use XML::LibXML;

my $file        = 'input.xml';
my $purpose_str = 'Purpose and rationale|Study purpose|Study rationale';
my $dom         = XML::LibXML->load_xml(location => $file);

for my $purpose_search('/TaggedPDF-doc/Part/Sect/H4')
{
    my $purpose_nodeset = $dom->find($purpose_search);
    for my $purp_node ($purpose_nodeset -> get_nodelist)
    {
        if ($purp_node->textContent =~ m/$purpose_str/i)
        {
            my @siblings = $purp_node->find('following-sibling::*')
                           ->get_nodelist;

            for my $i (0 .. $#siblings)
            {
                if ($siblings[$i]->textContent =~ /^[0-9]+\./)
                {
                    splice @siblings, $i;
                    last;
                }
            }

            print $_->textContent, "\n" for @siblings;
        }

    }
}
于 2013-07-01T06:52:37.313 回答