问题标签 [html-tree]

假设我有一个这样的 HTML 树：

如何选择<li>标有 的元素(*)？它们是第一个<ul>元素的直接后代。

这是我找到第一个<ul>元素的方法：

现在我有了$ul，但是当我做类似的事情时：

它还查找<li>隐藏在 HTML 树中更深的元素。

如何仅找到作为第一个元素<li>的直接后代的<ul>元素？我的数量不详。（我不能像示例中那样只选择前 4 个）。

我正在编写一个基本脚本，它只是从网页中提取所有链接。它是用 Perl 编写的，并使用了 WWW::Mechanize 和 HTML::Treebuilder::Xpath 模块，这两个模块都是我通过 CPAN 安装的。

我知道只使用 WWW::Mechanize 就可以轻松完成，但也想学习使用 XPath 来完成。

因此，该脚本将解析整个网页，并检查每个锚标记的 href 属性，提取链接并将其打印到控制台/将其写入文件。请注意，在下面的脚本中，我没有使用 use strict，因为我写这个只是为了澄清和理解使用 XPath 遍历 HTML 树的概念。

这是脚本：

它给出了一个错误：

我已将脚本修改如下：

错误：

我不确定如何打印 href 属性的值。

$nodes 应该包含所有 href 属性的列表？我相信它不存储值而是指向它的指针？

我尝试搜索和阅读示例，但我不知道如何去做。

谢谢。

使用 HTML::TreeBuilder->new_from_url() 想去一个网站说https://abc.com/index.html并想从那个 html 页面显示一些值。

https://abc.com/index.html 要求用户认证（test/test123 是用户名和密码）。我使用了以下代码：文件名：finaldisplay.pl

当我从命令行运行文件时出现错误“无法在 @INC 中找到 auto/HTML/TreeBuilder/new_from_ur.al（@INC 包含：C:/Per l/lib C:/Perl/site/lib。）在 finaldisplay.pl 第 8 行"

我的代码没有打印任何输出。$tree->find("p")正在返回 NULL。

我在尝试输出我正在解析的匹配节点的内容时遇到问题：

我HTML::TreeBuilder::XPath用来查找节点（这个类只有一个 div）：

它找到了节点（HTML::Element我相信返回），但也$description->as_HTML包含了元素本身——我只希望元素中包含的所有内容都是 HTML：

我显然可以用正则表达式把它去掉，但这感觉很乱，我敢肯定我只是在某个地方缺少了一个函数来做它？

我有一些丑陋的 html 通过电子邮件发送到我的程序，如下所示：

...为简洁起见，将其余部分剪掉。

我可以使用 HTML::TreeBuilder 拉出表格元素，但无法弄清楚如何在不诉诸其他方式的情况下从上方拉出“名称：”和“查询条款”。

上面的 $root->dump 看起来像：

那么有没有办法在@0.1.0.2 和@0.1.0.4 之间获取裸文本

谢谢！托德

我有一个包含多个表的 HTML 文件（所有表都有相同的列数和相同的列名）。这些表格由其他 HTML 标记分隔。

对于每个表中的每一行，我想更改单元格 1 和单元格 3 的值。

这是我到目前为止所拥有的（感谢@depesz）：

它非常适合遍历 HTML 文件中的所有行。我只是不确定如何更改第 1 列和第 3 列中的文本。

我正在尝试安装 ** HTML::TreeBuilder::XPath of version 0.13 ** 但它失败了。

任何人都可以建议可能是什么原因。

任务非常简单：访问一个 url 并根据结果解析它。如果出现错误（404、500 等），请采取适当的措施。最后一块是我遇到的问题。
我列出了我当前使用的两段代码。较长的（LWP+TreeBuilder）适用于两种情况；较短的（TreeBuilder）适用于第一个条件，但不适用于错误条件。如果我使用 TreeBuilder 并且站点返回 404 或其他错误，则脚本将直接退出！有任何想法吗 ？

更长的代码有效

较短的没有

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。