匹配一个字符串，并在perl中获取它旁边的单词

Question

我有一个html文件"statistics.htm“。将html文件中的数据转换为一个变量。

假设在变量中，我有以下数据：

<ul class="chart-legend">
    <li class="label-1">
      <div><em></em>FTP<br>
      0 B</div>
    </li>
    <li class="label-2">
      <div><em></em>HTTP<br>
      589 KB</div>
    </li>
    <li class="label-3">
      <div><em></em>POP3/IMAP<br>
      0 B</div>
    </li>
    <li class="label-4">
      <div><em></em>SMTP<br>
      0 B</div>
    </li>
</ul>

假设客户给出FTP作为参数，我想要FTP值，在上面的情况下是0 B。

我如何才能做到这一点？

Answer 1

您可以非常简单地使用HTML::TreeBuilder::XPath (好的，非常简单，直到您看到有趣的XPath查询！)：

#!/usr/bin/perl

use strict;
use warnings;

use HTML::TreeBuilder::XPath;

my $html= HTML::TreeBuilder::XPath->new->parse_file( \*DATA);
my $ftp= $html->findnodes( 'normalize-space( //div/br[./preceding-sibling::text()="FTP"]/following-sibling::text())');
print "$ftp\n";


__DATA__
<ul class="chart-legend">
    <li class="label-1">
      <div><em></em>FTP<br>
      0 Ba</div>
    </li>
    <li class="label-2">
      <div><em></em>HTTP<br>
      589 KB</div>
    </li>
    <li class="label-3">
      <div><em></em>POP3/IMAP<br>
      0 Bb</div>
    </li>
    <li class="label-4">
      <div><em></em>SMTP<br>
      0 Bc</div>
    </li>
</ul>

XPath表达式:在之前同级文本为'FTB'的div中查找br (您可能希望规范化其中的空格)。然后获取下一个同级文本。将其包装在normalize-space中以清理结果，瞧！

Answer 2

有几个Perl模块可以为您解析HTML。我建议你尝试其中一个，然后问一个具体的问题，如果你有任何问题。

许多关于这方面的信息都可以在SO和网络上找到。这里有一个示例问题，它将为您提供一些可用的模块：How to parse between and easily in Perl。