使用pQuery进行非平凡的屏幕抓取选择

StackOverflow https://stackoverflow.com/questions/1804793

  •  05-07-2019
  •  | 
  •  

题

我正在使用 pQuery （jQuery的Perl端口）来选择元素并从HTML文档中检索文本。

考虑以下标记：

<x>
   <y>code1</y>
   <z>stuff</z>
   <y>code2</y>
   <z>foobar</z>
</x>

以下pQuery代码：

my $target_value = pQuery($markup)->find($pquery_selector)->text;

我正在尝试制定 $ pquery_selector ，以便它使用以下规则匹配上面标记中的＆lt; z＆gt; foobar＆lt; / z＆gt; ：找到< code> z - 在 y -element之后的元素，其中包含＆quot; code2＆quot; 的正文。虽然这可以使用jQuery，但我不确定pQuery语法是否足以处理这样的表达式。

使用pQuery语法可以进行这种选择吗？

有帮助吗？

解决方案

在jQuery中，有可能编写一个像'y：contains（code2）+ z'这样的选择器。但是，pQuery仍然没有完成（从版本0.07开始），像x + z这样的选择器只是给出了一个错误，表明模块开发人员还没有去翻译jQuery代码的那一部分。

由于pQuery自2008年以来一直未被触及，我建议自己修复它（代码在cpan和github上），或者使用更成熟的模块，比如HTML :: TreeBuilder :: XPath（这需要学习XPath语法，但实际上适用于非平凡的事情。）

上述jQuery选择器的XPath等价物将是'// y [contains（text（），'code2'）] / following-sibling :: z'

许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top