2

我已经解决了这个问题：原来我使用 WWW::Mechanize 加载的页面使用 AJAX 加载其中的所有内容，<tbody>因此在我创建 $html 变量时不会加载它。现在我必须看看如何获​​得这个动态内容......

我正在尝试解析网页中表格的内容。<table>包含 a<thead>和<tbody>a 。当我从<tbody>表格的一部分中获取内容时，我发现它都不存在。我只得到里面的内容<thead>。

我尝试了几种不同的方法，如下所示，所有这些方法都没有从<tbody>.

使用 HTML::TreeBuilder

my $tb = HTML::TreeBuilder->new();
$tb->parse($html);
my $table = $tb->look_down( _tag => 'tbody', id => 'tbody-id' );

使用 HTML::TableExtract

my $te = HTML::TableExtract->new( attribs => { id => 'table-id' } );
$te->parse($html);
my $table=$te->first_table_found;

当我尝试执行print Dumper($table);表中的一个时，我表明我正在找到<table>并且只能看到<thead>or内部的表内容<tbody>以及对它的父级的引用，其中包含来自<thead>.

我可以不太关心<thead>我只需要表格内容中的内容<tbody>。

我不确定我做错了什么以及从这里去哪里。

4

1 回答 1

1

HTML 是否有效？我花了几分钟才使以下代码正常工作，因为我没有正确关闭其中一个标签：

use strict;
use warnings;

use HTML::TreeBuilder;
use Perl6::Say;

my $html = << 'HTML';
<!DOCTYPE html>
<html lang="en">
    <head>
        <meta charset="utf-8">
        <title>title</title>
        <link rel="stylesheet" href="style.css">
        <script src="script.js"></script>
    </head>
    <body>
        <table>
            <caption>Caption</caption>
            <thead>
                <tr>
                    <th>Header</th>
                </tr>
            </thead>
            <tbody>
                <tr>
                    <td>Body</td>
                </tr>
            </tbody>
        </table>
    </body>
</html>
HTML

my $tree    = HTML::TreeBuilder->new->parse_content($html);
my $table   = $tree->look_down('_tag', 'table');
my $caption = $table->look_down('_tag', 'caption');
my $thead   = $table->look_down('_tag', 'thead');
my $tbody   = $table->look_down('_tag', 'tbody');

say $caption->as_HTML;
# <caption>Caption</caption>

say $thead->as_HTML;
# <thead><tr><th>Header</th></tr></thead>

say $tbody->as_HTML;
# <tbody><tr><td>Body</td></tr></tbody>
于 2014-02-10T23:59:29.197 回答