问题标签 [html-tree]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
windows - HTML::TreeBuilder 中的内存泄漏
我有一些 Perl 代码：
我注意到这个perl.exe过程的大小稳步增加（大约 200 万次循环迭代后增加到 600 MB）。如果我把HTML::TreeBuilder东西拿出来，它根本不会增加。我能做些什么来堵住这个泄漏吗？
html - HTML::TreeBuilder 中的“父”函数究竟是如何工作的？
除非我遗漏了什么，否则CPAN上的文档并没有真正解释这种行为。我整理了一些快速测试代码来说明我的问题：
运行上述脚本后，输出为：
看到所有标签一个接一个地嵌套，我认为第一个p标签h1的父级是 ，第二个p标签的父级是p. 为什么父函数显示body两者的标签？
perl - 在 HTML::Element 的 look_down 例程 Perl 中指定多个类？
我正在使用HTML::TreeBuilder来解析一些 HTML。
您可以在“ look_down ”例程中指定多个类吗？
例如，在使用 HTML 搜索时 -
'postprofile'我还要在同一个循环中搜索一个额外的类。
有没有办法做到这一点而不必使用新的 -for ( $tree->look_down( 'class' => 'postprofile' ))
因为这会带回两组结果，而我只想要一组合并的结果。
我尝试使用 -for ( $tree->look_down( 'class' => 'postbody||postprofile'))
但是这不起作用，
先感谢您。
perl - 使用 HTML::Tree 解析后如何将数据标记为 UTF-8？
我写了一个脚本，我在 UTF-8 编码的 HTML 文件中啜饮，然后将其解析为带有HTML::Tree. 问题是解析字符串后不再标记为 UTF-8。
由于_utf8_on()不推荐设置标志的方法，我正在寻找正确的方法。
我的简化代码示例：
html - Perl HTML::TreeBuilder 添加 , 和标签到解析的内容，如何停止或解决它？
背景：
我正在使用 HTML::TreeBuilder 解析整个 html 页面，为了参考而说“whole_page”。然后，我使用新 TreeBuilder 对象的继承 parse_content 方法（与 whole_page 相同）来解析一大块 html，例如“html_to_insert”。html_to_insert 的根元素应该是一个<div>标签。最终，需要将 html_to_insert 树插入到 whole_page 树中。
问题：
html_to_insert 树用<html>,<head>和<body>标签包装，我显然不需要。我查看了 HTML::Parser 以查看是否有可能解决问题的参数，但我找不到任何东西。
问题：
有没有一种简单的方法可以阻止 parse 方法用不需要的标签包装 html_to_insert？知道我要做什么，我是不是倒着做这个屁股（有没有更好的方法）？
谢谢你的帮助。
perl - 如何使用 HTML::Treebuilder 重新排列 html 内容
我正在编写一个脚本来重新排列 html 内容，但遇到了 2 个问题。我有这个 html 结构，它是电影标题和发行年份，缩略图分为 5 列。我想生成新的 html 文件，其中包含从 2011 年到 1911 年按十年分组的电影，例如 present-2011；2010-2001；2000-1991；等等
我不知道如何解决的一个问题是，在删除与十年不匹配的电影后，我留下了空的“tr”标签和缩略图位置，并且不知道如何重新排列 5 列中的每一行，其中充满了 5 个标题. 以及如何通过一次脚本调用来处理每个十年。谢谢。
perl - 如何可视化/漂亮地打印 HTML DOM 树？
现在我可以通过WWW::Mechanize浏览网页并通过HTML::TreeBuilder::XPath通过访问 id获取信息，我只能使用Firebug读取 DOM 以发现 HTML 树的布局。Mechanize 捕获的内容是非结构化的 HTML，对人眼不利。
是否使用 Firebug 来确定我在典型方法后的身份？一旦我得到了 id，我就可以开始了，只是我有几个 id 和有更多 id 的页面要追查，我希望得到（转储、打印等）DOM 的格式化布局为了使发现更容易。尽管被授予，但 Firebug 也让它变得非常容易。我只是想知道我是否缺少更简单的方法。
regex - Perl：为什么这个网络爬虫正则表达式工作不一致？
我遇到了与我要抓取的网站有关的另一个问题。
基本上我已经从页面内容中删除了大部分我不想要的内容，并且由于这里提供的一些帮助，我设法隔离了我想要的日期。尽管一些初始问题与非破坏空间相匹配，但其中大部分似乎工作正常。但是，我现在在使用最终的正则表达式时遇到了困难，该正则表达式旨在将每行数据拆分为字段。每条线代表股价指数的价格。每行的字段是：
- 一个任意长度的名称，由拉丁字母表中的字符组成，有时是逗号或与号，没有数字。
- 小数点后两位数（索引的绝对值）。
- 小数点后有两位数的数字（值的变化）。
- 小数点后有两位数字，后跟百分号（值的百分比变化）。
这是一个示例字符串，在拆分之前：“Fishery, Agriculture & Forestry243.45-1.91-0.78% Mining360.74-4.15-1.14% Construction465.36-1.01-0.22% Foods783.2511.281.46% Textiles & Apparels412.070.540. 13% 纸浆和造纸 333.31-0.29-0.09% 化学品 729.406.010.83% "
我用来分割这一行的正则表达式是这样的：
$mystr =~ s/\n(.*?)(\d{1,4}\.\d{2})(\-?\d{1,3}\.\d{2})(.*?%)\n/\n$1 == $2 == $3 == $4\n/ig;
它有时有效，但有时无效，我无法弄清楚为什么会这样。（下面示例输出中的双重等号用于使字段拆分更容易可见。）
我认为对于那些指数价格出现负变化的指数来说，减号是一个问题，但有时尽管有减号，它仍然有效。
问：为什么下面显示的最终正则表达式无法一致地拆分字段？
示例代码如下。
perl - 网络爬虫文本格式
我有以下代码来访问 HTML 表。
但是文本没有格式化，因为网页使用表格边框来划分某些文本。所以它出现了这样的情况，“乔丹斯敦的计算数学”，我假设乔丹斯敦在下一个单元格中。这是我正在使用的代码，
请注意，我尝试使用和数组分隔文本但没有运气？任何指针。谢谢
perl - HTML::TagFilter 根据类删除 div
我正在尝试使用 perl 脚本从服务器上的静态 html 文件中提取内容。我想提取特定 div 的内容。我通过类名（“getme”）知道 div。我可以使用 HTML::TreeBuilder->look_down 访问 div。如何删除 div 标签并仅获取其中的内容？
示例 HTML
到目前为止的 Perl
过滤器只是删除类属性。可以制定规则来删除整个标签，还是有更好的方法？