用Perl中的HTML对应项替换特定的内联CSS

这是我第一次使用堆栈溢出，所以如果我做错了什么，请告诉我

由于缺少更好的术语，我目前正在尝试编写一个“scraper”，它将提取html并用html对应项替换某些内联CSS样式。例如，我有以下HTML：

<p style="text-align:center"><span style="font-weight:bold;font-style:italic;">Some random text here. What's here doesn't matter so much as what needs to happen around it.</span></p>

希望有人能帮助我，让我看看我做错了什么，等等。我真的很好奇还有什么其他可能的方法可以做到这一点。或者如果以前做过的话

---

另外，如果有人能帮忙建议我应该使用哪些标签，那就太好了。我知道唯一可以肯定使用的是perl。

从HTML:：Element文档中，似乎look_down（）返回了HTML:：Element对象的列表。perl对象通常是对哈希的引用（尽管它们不需要）——这就是为什么打印

$span

时会得到哈希

无论如何，在for循环中，您应该能够调用

 $span->method()

其中method是HTML:：Element的任何方法。出于您的目的，方法

all_attr（）

，

as_text（）

，以及

replace_with（）

看起来很有希望

我尝试链接到每个方法，但不喜欢粗糙的CPAN锚定链接，因此为了方便起见，这里有一个指向主文档页面的快速链接：

迈克，
问题是，在Perl中，您很遗憾无法在调试器中看到元素的类型，因为对象系统只是标准类型的包装器。因此，在查看文档和/或代码时，不可能找到相关属性/方法。为您提供有关此的更多详细信息。
每$span将是一个HTML:：Element对象——Ben的回答涵盖了这一部分。我猜您只需更改树中的一些属性，并将树保存到一个新文件。

通过使用，您肯定走上了正确的道路；对于分析CSS，我刚刚发现。这是一个非常有趣的模块，它允许您轻松访问属性

#!/usr/bin/perl
use warnings;
use strict;

use HTML::TreeBuilder;
use CSS::DOM::Style;

my $html = <<HTML;
<p style="text-align:center"><span style="font-weight:bold;font-style:italic;">Some random text here. What's here doesn't matter so much as what needs to ha>
HTML

my $tb = HTML::TreeBuilder->new_from_content($html);


my @replacements = (
    { property => 'font-style', value => 'italic', replacement => 'em' },
    { property => 'font-weight', value => 'bold', replacement => 'strong' },
    { property => 'text-align', value => 'center', replacement => 'center' },
);

# build a sensible list of tag names (or just use sub { 1 })
my @nodes = $tb->look_down(sub { $_[0]->tag =~ /^(p|span)$/ });

for my $el (@nodes) {
    if ($el->attr('style')) {
        my $st = CSS::DOM::Style::parse($el->attr('style'));
        if ($st) {
            foreach my $h (@replacements) {
                if ($st->getPropertyValue($h->{property}) eq $h->{value}) {
                    $st->removeProperty($h->{property});
                    my $new = HTML::Element->new($h->{replacement});
                    foreach my $inner ($el->detach_content) {
                        $new->push_content($inner);
                    }
                    $el->push_content($new);
                }
            }
            $el->attr('style', $st->cssText ? $st->cssText : undef);
        }
    }
}

print $tb->as_HTML(undef, "\t");

#/usr/bin/perl
使用警告；
严格使用；
使用HTML:：TreeBuilder；
使用CSS:：DOM:：Style；
my$html=来自内容的新内容（$html）；
我的@replacements=(
{property=>font-style'，value=>italic'，replacement=>em'}，
{property=>font-weight'，value=>bold'，replacement=>strong'}，
{property=>'text align'，value=>'center'，replacement=>'center'}，
);
#建立一个合理的标记名列表（或者只使用sub{1}）
my@nodes=$tb->look_down（sub{$\[0]->tag=~/^（p|span）$/}）；
对于我的$el（@nodes）{
如果（$el->attr（'style'））{
我的$st=CSS:：DOM:：Style:：parse（$el->attr（'Style'）；
若有（$st）{
每小时$h（@替换）{
if（$st->getPropertyValue（$h->{property}）eq$h->{value}）{
$st->removeProperty（$h->{property}）；
my$new=HTML:：Element->new（$h->{replacement}）；
foreach my$inner（$el->分离内容）{
$new->push_内容（$inner）；
}
$el->push_内容（$new）；
}
}
$el->attr（'style'，$st->cssText？$st->cssText:undef）；
}
}
}
打印$tb->as_HTML（未定义，“\t”）；

为什么不在perl

perl-pi-e的/find/replace/g文件名中使用一个简单的搜索和替换呢？

对于3个替换，您可以在命令行上执行3次。@John-因为这个问题比简单的搜索和替换regex更复杂。这是我的第一反应，但是如何在内容周围包装新的HTML标记呢？完成后，HTML/应该/看起来像这样：

这里有一些随机文本。这里发生了什么并不重要，重要的是周围需要发生什么。有时并非所有文本的样式都相同。

您真正需要的是一个好的DOM解析器<代码>HTML:：DOM似乎有点不成熟。你是对的，它只链接到一个页面，但我想我明白了。我来看看，谢谢。“Perl对象只是内部散列…”不是真的。Perl散列是受祝福的引用

bless{}，$class

与

bless[]、$class

或

bless do{\（my$o=”“）}，$class

do.OK，我给你。相应地编辑。我应该用我想出的新代码编辑我的原始问题，还是有更好的方法？在评论中添加它不会很好，而且它可能会被系统吃掉。谢谢。我猜这就是为什么我不能直接打印

$span

。这是一篇很好的文章。我最初放弃了CSS:：DOM，因为我读到的CPAN页面表明它更多地用于外部CSS而不是内联（甚至是页面顶部的内部CSS）。我将在安装CSS:：DOM后立即对您的代码进行测试。谢谢令人惊叹的！它起作用了，我运行了一点正则表达式来清理仍然存在的错误：

一些随机文本。什么'；这里没有'；它周围需要发生什么并不重要。有时并非所有文本的样式都相同。

现在，我只需要找出如何使

p

标记也能这样做，我们会很成功。现在就来看看。我使用“分离内容”的方式有问题。另外，看看如何构建一个所有允许解析的节点的列表。非常好！我将发布我的稍微调整过的版本作为新的答案，这样你就可以看到我用它做了什么。这正是我需要的！谢谢,谢谢,谢谢。另外，我不知道您是否注意到了，但是

as_HTML

似乎去掉了结尾

p

标记。我通过添加一个空的hashref（

{}

）作为第三个参数（根据HTML:：TreeBuilder文档）修复了它。它不想让我回答我自己的问题P以下是代码：

#!/usr/bin/perl
use warnings;
use strict;

use HTML::TreeBuilder;
use CSS::DOM::Style;

my $html = <<HTML;
<p style="text-align:center"><span style="font-weight:bold;font-style:italic;">Some random text here. What's here doesn't matter so much as what needs to ha>
HTML

my $tb = HTML::TreeBuilder->new_from_content($html);


my @replacements = (
    { property => 'font-style', value => 'italic', replacement => 'em' },
    { property => 'font-weight', value => 'bold', replacement => 'strong' },
    { property => 'text-align', value => 'center', replacement => 'center' },
);

# build a sensible list of tag names (or just use sub { 1 })
my @nodes = $tb->look_down(sub { $_[0]->tag =~ /^(p|span)$/ });

for my $el (@nodes) {
    if ($el->attr('style')) {
        my $st = CSS::DOM::Style::parse($el->attr('style'));
        if ($st) {
            foreach my $h (@replacements) {
                if ($st->getPropertyValue($h->{property}) eq $h->{value}) {
                    $st->removeProperty($h->{property});
                    my $new = HTML::Element->new($h->{replacement});
                    foreach my $inner ($el->detach_content) {
                        $new->push_content($inner);
                    }
                    $el->push_content($new);
                }
            }
            $el->attr('style', $st->cssText ? $st->cssText : undef);
        }
    }
}

print $tb->as_HTML(undef, "\t");