如何在HTML文件中读取表的值并将其存储在Perl中？

Question

我读了很多问题和答案，但我找不到一个直接的答案。所有的答案要么非常笼统，要么与我想要做的不同。到目前为止，我需要使用HTML::TableExtract或HTML::TreeBuilder::XPath，但我不能真正使用它们来存储值。我可以以某种方式获得表行的值，并使用Dumper显示它们。

如下所示：

foreach my $ts ($tree->table_states) {
 foreach my $row ($ts->rows) { 
   push (@fir , (Dumper $row)); 
} }
print @sec;

但这并不是我真正想要的。我将添加要存储值的HTML表的结构：

<table><caption><b>Table 1 </b>bla bla bla</caption>
<tbody>
    <tr>
        <th ><p>Foo</p>
        </th>

        <td ><p>Bar</p>
        </td>

    </tr>

    <tr>
        <th ><p>Foo-1</p>
        </th>

        <td ><p>Bar-1</p>
        </td>

    </tr>

    <tr>
        <th ><p>Formula</p>
        </th>

        <td><p>Formula1-1</p>
            <p>Formula1-2</p>
            <p>Formula1-3</p>
            <p>Formula1-4</p>
            <p>Formula1-5</p>
        </td>

    </tr>

    <tr>
        <th><p>Foo-2</p>
        </th>

        <td ><p>Bar-2</p>
        </td>

    </tr>

    <tr>
        <th ><p>Foo-3</p>
        </th>

        <td ><p>Bar-3</p>
             <p>Bar-3-1</p>
        </td>

    </tr>

</tbody>

</table>

如果我可以将行值成对存储在一起，那将会很方便。

预期输出将类似于具有以下值的数组：(Foo，Bar，Foo-1，Bar-1，Formula，Formula-1 Formula-2 Formula-3 Formula-4 Formula-5，...)对我来说，重要的是学习如何存储每个标记的值，以及如何在标记树中移动。

Answer 1

学习XPath和DOM操作。

use strictures;
use HTML::TreeBuilder::XPath qw();
my $dom = HTML::TreeBuilder::XPath->new;
$dom->parse_file('10280979.html');

my %extract;
@extract{$dom->findnodes_as_strings('//th')} =
    map {[$_->findvalues('p')]} $dom->findnodes('//td');
__END__
# %extract = (
#     Foo     => [qw(Bar)],
#     'Foo-1' => [qw(Bar-1)],
#     'Foo-2' => [qw(Bar-2)],
#     'Foo-3' => [qw(Bar-3 Bar-3-1)],
#     Formula => [qw(Formula1-1 Formula1-2 Formula1-3 Formula1-4 Formula1-5)],
# )