打印多个文件中包含特定字符串的所有HTML表(perl)

Question

我尝试为目录中的每个xml文件打印包含字符串"kcat“的所有HTML表，但遇到了一些问题。请注意，目录(名为kcat_tables)中的每个文件至少有一个包含kcat的HTML表。我在一个ubuntu虚拟机上运行这个程序。下面是我的代码：

#!/usr/bin/perl
use warnings;
use strict;
use File::Slurp;
use Path::Iterator::Rule;
use HTML::TableExtract;
use utf8::all;
my @papers_dir_path = qw(/home/bob/kinase/kcat_tables);

my $rule = Path::Iterator::Rule->new;
$rule->name("*.nxml");
$rule->skip_dirs(".");

my $xml;
my $it = $rule->iter(@papers_dir_path);

while ( my $file = $it->() ) {
    $xml = read_file($file);
    my $te = HTML::TableExtract->new();
    $te->parse($xml);
    foreach my $ts ( $te->tables ) {
        if ( $ts =~ /kcat/i ) {
            print "Table (", join( ',', $ts->coords ), "):\n";
            foreach my $row ( $ts->rows ) {
                print join( ',', @$row ), "\n";
            }
        }
    }
}

我该怎么解决这个问题有什么建议吗？提前感谢！另外，我是PERL语言的新手，所以如果能给出一个简单易懂的答案，我将非常感激。

Answer 1

不能将正则表达式应用于对象，如中所示：

if ( $ts =~ /kcat/i ) {

我建议在“树”模式下解析表。为此，您必须安装两个额外的perl模块: HTML::TreeBuilder和HTML::ElementTable。像这样启用它：

use HTML::TableExtract 'tree';

下面是修复后的while循环：

while ( my $file = $it->() ) {
  $xml = read_file($file);
  my $te = HTML::TableExtract->new();
  $te->parse($xml);
  foreach my $ts ( $te->tables ) {
    my $tree = $ts->tree or die $!;
    if ( $tree->as_text =~ /kcat/i ) {
      print "Table (", join( ',', $ts->coords ), "):\n";
      # update 18.2.2015: pretty print the table
      foreach my $row ($ts->rows) {
        print join ' | ', map {sprintf "%22s", $_->as_text} @{$row};
        print "\n";
        # which is the same as
        # foreach my $cell (@${$row}) { do something with $cell->as_text }
      }
    }
  }
}

$tree是一个HTML::ElementTable对象。上面的代码适用于您的示例。