Perl 在使用Mojo:：DOM时无法精确定位子元素

我正在尝试使用和从一个旧的vBulletin论坛中提取文本

vBulletin不使用HTML和CSS进行语义标记，我在使用

Mojo:：DOM->children

获取某些元素时遇到了问题

这些vBulletin帖子的结构因内容而异

单一信息：

<div id="postid_12345">The quick brown fox jumps over the lazy dog.<div>

使用

$dom->at（$div_id）->all_text

可以让我在一行完整地看到所有内容，这使得我很难分辨文章中引用的内容和原文

使用

$dom->at（$div_id）->text

跳过所有子元素，因此不会拾取引用的文本和扰流板

我首先尝试了

$dom->at（$div_id）->children（'div'）->first

，但这提供了一切，包括HTML

理想情况下，我希望能够在每个帖子中提取所有文本，每个子元素都在自己的行中，例如

 POSTID12345:
 + Quote originally posted by Bob
 + Everyone knows the sky is blue. 
 I disagree with you, Bob. It's obviously green. 

我对Mojo还不熟悉，对Perl还有些生疏。我想自己解决这个问题，但在查阅了文档并摆弄了几个小时后，我的大脑混乱不堪，不知所措。我只是不明白

Mojo:：DOM

和

Mojo:：Collections

是如何工作的

---

任何帮助都将不胜感激

查看Mojo:：DOM的源代码，基本上是递归地遍历DOM并提取所有文本。使用该源代码编写自己的DOM函数。它的递归函数依赖于返回单个字符串，在您的字符串中，您可以让它返回一个包含您需要的任何上下文的数组

编辑：

---

在对IRC进行了一些讨论之后，web抓取示例已经更新，它可能会帮助您进行指导

有一个模块可以修饰HTML树。 对修饰HTML树的目的的解释有点冗长乏味，因此下面的图片显示了该工具的输出，与该模块绑定：

如您所见，HTML树节点变成了单键/值列表，其中键是该节点的XPath，值是该节点的文本属性。 在几个按键中，这就是如何使用HTML:：Linear：

#!/usr/bin/env perl
use strict;
use utf8;
use warnings;

use Data::Printer;
use HTML::Linear;

my $hl = HTML::Linear->new;
$hl->parse_file(q(vboard.html));

for my $el ($hl->as_list) {
    my $hash = $el->as_hash;
    next unless keys %{$hash};
    p $hash;
}

---

+在过去的几天里，你的回答为我指明了正确的方向。非常感谢。

<div id="postid_12345">
    <div>
    <table>
        <tr>
            <td>
            <div>Quote originally posted by Fred</div>
            <div class="spoiler">Yoda is Luke's father!</div>
            </td>
        </tr>
    </table>
    </div>
    <div class="spoiler">No waaaaay!</div>
</div>

for (@post_ids) {
    $mech->get($full_url_of_specific_forum_post);
    my $dom = Mojo::DOM->new($mech->content);
    my $div_id = 'postid_' . $_;

    say $dom->at($div_id)->children('div')->first;
    say $dom->at($div_id)->text;
}

 POSTID12345:
 + Quote originally posted by Bob
 + Everyone knows the sky is blue. 
 I disagree with you, Bob. It's obviously green. 

#!/usr/bin/env perl
use strict;
use utf8;
use warnings;

use Data::Printer;
use HTML::Linear;

my $hl = HTML::Linear->new;
$hl->parse_file(q(vboard.html));

for my $el ($hl->as_list) {
    my $hash = $el->as_hash;
    next unless keys %{$hash};
    p $hash;
}