问题标签 [mojo-dom]

任务

将任何标签内容中的所有空格替换为 .

y.html（示例文件）

我试过的

上述脚本的结果

我没有得到想要的输出，它 也在添加标签（例如：）</span&nbsp;，我希望只在内容上完成。

PS：我试过了Mojo::DOM，但没必要用，你可以试试其他的解析器，还是想知道我的代码有什么问题？

使用 HTML::TreeBuilder - 或 Mojo::DOM - 我想抓取内容但保持有序，以便我可以将文本值放入数组中（然后用变量替换文本值模板目的）

但这在 TreeBuilder

不返回顺序——当然散列是没有顺序的。那么，如何从根向下访问树并保持返回值的顺序呢？递归地走树？本质上，我想对每个元素都使用“as_text”方法。（遵循这个好主意，但我需要所有元素）

我可以使用Mojo::DOM及其 CSS3 选择器来找出 HTML 文档的 DOCTYPE 吗？与我的另一个问题相关，我应该如何使用 Mojo::UserAgent 处理 HTML META 标签？在我想设置文档的字符集的地方，我需要知道要查看的内容，而doctype 嗅探似乎是一种方法。当文档设置覆盖服务器设置（或非设置）时，HTML 和 HTML 5 对 HTML 中的字符集具有不同的元标记。

我完成任务没有问题，因为我可以获取原始响应并使用正则表达式来查看 DOCTYPE。由于浏览器 DOM 似乎能够获取 DOCTYPE，因此我被认为应该能够获取它的想法所感染。然而，缺乏例子让我认为没有人按照我认为我应该做的方式去做。

我尝试了很多愚蠢的方法，但我的 CSS 功夫很弱：

当我转储$dom对象时，我在树中看到 DOCTYPE：

现在我该怎么做？

我是 Mojolicious 的新手，要在 ap 标签中找到带有类模块的链接的标题，例如

我使用以下代码：

相当粗糙，但它的功能。我现在还想不通（对我来说可能太晚了）是如何返回 href 和链接文本。请让我摆脱痛苦。

我试图从一个结构完美的网页中提取相当多的数据，并在Mojo::DOM方法上苦苦挣扎。如果有人能指出我正确的方向，我将不胜感激。

带有有趣数据的截断 HTML 如下：

我现在拥有的是

这种混乱data-story-id从 src 和标头值中提取（与 href 值测试相同），但我所有其他尝试都失败了。

未提取“post_rating_count 控制标签”。我可以通过搜索a.to-comments和返回获得第一个 href 值attr('href')，但由于某种原因，它也会返回我在段末尾的链接值class="post_comments_count label to-comments"。标题值提取也是如此。

最后，我正在寻找一个具有以下字段的数据结构的数组：

• 故事ID（这是成功的）
• href （不知何故，匹配比需要的更多。）
• 标头（不知何故，匹配超出了需要。）
• 字符串形式的标签列表（不知道怎么做）

更何况，我觉得可以优化代码，让它看起来更好一点，但我的功夫没有那么强。

这是一个多学科的问题，所以答案可能不是纯粹的 CSS。

我正在解析一个大表，我的目标是只检索<b></b>标签之外的文本。我能够选择行，但坚持如何只选择粗体标记之外的文本。

HTML

代码

输出

期望的输出

我可以使用正则表达式来提取文本，但这不是一个理想的解决方案。有没有办法只选择非粗体文本？

Perl 的相对初学者，在这里我的第一个问题是，尝试以下操作：

我正在尝试从大型在线数据集 (Eur-Lex) 中检索某些信息，其中每个 HTML 文档都是格式良好的 HTML，并且具有常量元素。每个 HTML 文件都由其 Celex 编号标识，该编号作为脚本的参数提供（请参阅下面的我的 Perl 代码）。HTML 数据如下所示（仅显示我感兴趣的部分）：

我对“PPClass_Contents” div id 中包含的信息感兴趣，它由 3 个元素组成：

基于上面的 HTML，我想获取这 3 个主要元素的子元素，使用 Perl 和 Mojo，得到类似的结果（单行文本文件，由制表符分隔的 3 个组，一个 grup 中的多个子元素被分隔通过管道字符，如下所示：

“descriptors”、“Subjects”和“Designation_levels”元素（这三个主要组的子项）可以从 1 到“n”，数量不固定，也不事先知道。

我有以下代码，它确实打印出有趣部分的纯文本，但我需要处理各个元素并将它们打印在一个新文件中，如上所述：

编辑（添加）：您可以使用两个参数尝试我的 Perl 脚本：

• lang_code（“DE”、“EN”、“IT”等）

• Celex 编号（例如：E2014C0303、52015BP2212、52015BP0930(48)、52015BP0930(36)、52015BP0930(41)、E2014C0302、E2014C0301、E2014C0271、E2014C0134）。

例如（如果您将我的脚本命名为“clookup.pl”）： $ perl clookup.pl EN E2014C0303

那么，如何使用 Mojo::DOM 处理如上所述的单个元素（数量未知）？

或者，有没有更简单或更快的东西（使用 Perl）？

我正在尝试使用 Mojo::DOM 从 HTML 文件中提取一些没有标签的文本（我是新手）。特别是 H2 标题后的描述文本（文件中还有其他标题）。

我已经能够找到标题，但不知道如何访问之后的文本，因为我没有标签可以跳转到......

谁能向我推荐一种如何获取“此文本是描述”字符串的方法？

我有以下代码使用 Mojo::DOM 来获取文本

而 h1 下的文本如果采用以下格式：

$text 带有标题和尾随空格

我可以做这样的事情来删除标题和尾随空格

但我想知道是否可以使用 mojolicious 功能来做到这一点？

只是第一次使用这个 Mojo::DOM 并且无法根据之前的标签提取信息。寻找一种获取“描述”的方法。