html - 使用 Html::TreeBuilder::XPath 打印表格内容

Question

我想从 html 文件中提取所有表格并以下列方式打印它们的内容，每个单元格由 分隔\t，每行由 分隔\n，每个表格由 分隔 \n\n。以下是我的脚本，当我将其更改为 tr 上的 findvalues 时，将整个 tr 作为一个元素插入，我什至尝试了其他方法，例如 findnodes_as_strings ($path)，我想将其修改为上述结构。

use strict;
use warnings;
use HTML::TreeBuilder::XPath;

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

my @values=$tree->findvalues(q{//table//tr//td});

print $_, "\n" foreach(@values);

Answer 1

您需要分别处理每个表，行相同：

foreach my $table ( $tree->findnodes('//table') ) {

    foreach my $row ( $table->findnodes('.//tr') ) {

        my @cells = $row->findvalues('.//td');
        print join("\t", @cells), "\n";
    }
    print "\n";
}

当然，这只是简单表的解决方案（考虑列跨度、th、表内表等）