perl - 将 html 嵌套列表解析为 perl 数组

Question

输入数据：（一些带有链接的嵌套列表）

<ul>
    <li><a>1</a>
        <ul>
            <li><a>11</a>
                <ul>
                    <li><a>111</a></li>
                    <li><a>112</a></li>
                    <li><a>113</a>
                    <ul>
                        <li><a>1131</a></li>
                        <li><a>1132</a></li>
                        <li><a>1133</a></li>
                    </ul></li>
                    <li><a>114</a></li>
                    <li><a>115</a></li>
                </ul>
            </li>
            <li><a>12</a>
                <ul>
                    <li><a>121</a>
                    <ul>
                        <li><a>1211</a></li>
                        <li><a>1212</a></li>
                        <li><a>1213</a></li>
                    </ul></li>
                    <li><a>122</a></li>
                </ul>
            </li>
        </ul>
    </li>
</ul>

输出字符串数组：

 1,11,111
 1,11,112
 1,11,113,1131
 1,11,113,1132
 1,11,113,1133
 1,11,114
 1,11,115
 1,12,121,1211
 1,12,121,1212
 1,12,121,1213
 1,12,122

包含元素文本的完整路径

没有孩子。

我尝试了什么： 1. XML::SAX::ParserFactory

https://gist.github.com/7266638这里有很多问题。如何检测 li 是否持续，如何保存路径等。我认为这是不好的方式。

1. 它完全不是正则表达式，因为现实生活中的例子 html 更糟糕。很多标签，div，span等

多姆? 但是怎么做？

Answer 1

您可以尝试使用XML::Twig模块。它保存元素中的所有文本，并且仅在其中一个元素下<a>没有子元素时才打印它们。<ul><li>

#!/usr/bin/env perl

use warnings;
use strict;
use XML::Twig;

my (@li);

my $twig = XML::Twig->new(
        twig_handlers => {
                'a' => sub {
                        if ( $_->prev_elt('li') ) { 
                                push @li, $_->text;
                        }   
                },  
                'li' => sub {
                        unless ( $_->children('ul') ) { 
                                printf qq|%s\n|, join q|,|, @li;
                        }   
                        pop @li;
                },  
        },  
)->parsefile( shift );

像这样运行它：

perl script.pl xmlfile

这会产生：

1,11,111
1,11,112
1,11,113,1131
1,11,113,1132
1,11,113,1133
1,11,114
1,11,115
1,12,121,1211
1,12,121,1212
1,12,121,1213
1,12,122