Fatal编程技术网
  • perl/
  • Perl 使用Html:：语法分析器解析Html音频标记

Perl 使用Html:：语法分析器解析Html音频标记

perl

Perl 使用Html:：语法分析器解析Html音频标记,perl,html-parsing,Perl,Html Parsing,我正在尝试用perl编写一个spider，它将解析域中的所有音频标记，并尝试从找到的每个音频标记下载相应的音频/mpeg内容 下面是我的代码片段，它使用HTML:：TokeParser解析HTML，以便从a标记中提取链接： my($response, $base, $stream, $pageURL, $tag, $url); $response = 'http://example.com/page-with-some-audio-content'; $base = URI->new(

我正在尝试用perl编写一个spider，它将解析域中的所有音频标记，并尝试从找到的每个音频标记下载相应的
音频/mpeg
内容

下面是我的代码片段，它使用
HTML:：TokeParser
解析HTML，以便从
a
标记中提取链接：

my($response, $base, $stream, $pageURL, $tag, $url);

$response = 'http://example.com/page-with-some-audio-content';
$base = URI->new( $response->base )->canonical;

$stream = HTML::TokeParser->new( $response->content_ref );
$pageURL = URI->new( $response->request->uri );

while($tag = $stream->get_tag('a')) {
    next unless defined($url = $tag->[1]{'href'});
    print $url."\n";
}

my($response, $base, $stream, $pageURL, $tag, $url);

$response = 'http://example.com/page-with-some-audio-content';
$base = URI->new( $response->base )->canonical;

$stream = HTML::TokeParser->new( $response->content_ref );
$pageURL = URI->new( $response->request->uri );

while($tag = $stream->get_tag('audio')) {
    next unless defined($url = $tag->[1]{'onplaying'});
    print $url."\n";
}
上面的代码片段从给定的html页面提取所有链接。这在循环中与URL哈希一起使用，以抓取给定域中的所有页面

下面是另一个片段，与第一个片段几乎完全相同，只是我试图提取
音频
标签，而不是
a
标签：

my($response, $base, $stream, $pageURL, $tag, $url);

$response = 'http://example.com/page-with-some-audio-content';
$base = URI->new( $response->base )->canonical;

$stream = HTML::TokeParser->new( $response->content_ref );
$pageURL = URI->new( $response->request->uri );

while($tag = $stream->get_tag('a')) {
    next unless defined($url = $tag->[1]{'href'});
    print $url."\n";
}

my($response, $base, $stream, $pageURL, $tag, $url);

$response = 'http://example.com/page-with-some-audio-content';
$base = URI->new( $response->base )->canonical;

$stream = HTML::TokeParser->new( $response->content_ref );
$pageURL = URI->new( $response->request->uri );

while($tag = $stream->get_tag('audio')) {
    next unless defined($url = $tag->[1]{'onplaying'});
    print $url."\n";
}
由于某些原因，未检测到
音频
标签。有什么我遗漏的吗

阅读文档后，我发现我无法提取嵌套html元素的属性

请考虑以下标记：

<audio onplaying="podPress_html5_count('http://www.example.com/mp3/Some Mp3 File.mp3', this.id)">
   <source src="http://www.example.com/mp3/Some%20Mp3%20File.mp3">
</audio>
预期输出应如下所示：

  <body>

    <audio onplaying="podPress_html5_count('http://www.example.com/mp3/Some Mp3 File.mp3', this.id)">
      <source src="http://www.example.com/mp3/Some%20Mp3%20File.mp3">
    </audio>

    <audio onplaying="podPress_html5_count('http://www.example.com/mp3/Some Mp3 File 2.mp3', this.id)">
      <source src="http://www.example.com/mp3/Some%20Mp3%20File%202.mp3">
    </audio>

    <audio onplaying="podPress_html5_count('http://www.example.com/mp3/Some Mp3 File 3.mp3', this.id)">
      <source src="http://www.example.com/mp3/Some%20Mp3%20File%203.mp3">
    </audio>
    <audio onplaying="podPress_html5_count('http://www.example.com/mp3/Some Mp3 File 4.mp3', this.id)">
      <source src="http://www.example.com/mp3/Some%20Mp3%20File%204.mp3">
    </audio>

  </body>

http://www.example.com/mp3/Some%20Mp3%20File.mp3
http://www.example.com/mp3/Some%20Mp3%20File%202.mp3
http://www.example.com/mp3/Some%20Mp3%20File%203.mp3
http://www.example.com/mp3/Some%20Mp3%20File%204.mp3

因此，我需要解析html文件，以仅提取每个
音频
标记的
src
属性

我不熟悉HTML:：Token，但可以使用from轻松查找和提取具有熟悉CSS语法的链接：

use Mojo::DOM;
my $html = '<body> ... ';
my $dom = Mojo::DOM->new($html);
my @src = map { $_->{src} }
    $dom->find('audio[onplaying] source[src]')->each;

使用Mojo:：DOM；
我的$html='…'；
my$dom=Mojo:：dom->new（$html）；
my@src=map{$\->{src}
$dom->find（'audio[onplaying]source[src]'）->每个；
如果您需要从网络中获取HTML文件或音频文件，您也可以将其与结合使用。

我担心该模块不支持HTML5。@choroba nooooh！！！！！那么有什么选择呢？？X（因此
@src
数组应该包含所有音频标签的
src
属性？@atefth:没错。你的例子对我很有用。