Perl 如何使用HTML:：Parser解析格式错误的HTML

我正在尝试将带有meta标记的HTML解析为：

<meta name="id" content=""12345.this.is.a.sample:id:required.67890"@abc.com">

关于如何获得所需值，您有什么想法吗？

我认为以下引用是合适的：

有两次有人问我，“巴贝奇先生，如果你把错误的数字输入机器，正确的答案会出来吗？”[…]我不能正确地理解可能引发这样一个问题的思想混乱

–哲学家生平（1864年）中的段落

这就是所谓的原则。在您的情况下，您的HTML格式不正确。如果将其提供给HTML解析器，则必然会得到虚假的输出。HTML标准在处理各种常见错误方面已经相当松懈，但您的示例更不完整

当然，有一种解决方案：不要把输入当作HTML，而是当作某种派生格式，在这种格式中，您的示例恰好是合法的输入。您必须编写自己的自定义解析器，或者根据您的需要调整现有的HTML解析器，但这是可行的

但是，我认为修复输入源比编写自己的解析器更容易。所需的只是要转义的属性内的引号，或者属性使用单引号：

<meta name="id" content="&quot;12345.this.is.a.sample:id:required.67890&quot;@abc.com">
<meta name="id" content='"12345.this.is.a.sample:id:required.67890"@abc.com'>

---

好的，找到了一种获取此特定问题内容的方法。上面的$origtext变量获取argspec标识符text的值，该值在文档中定义为：

Text causes the source text (including markup element delimiters) to be passed.

所以基本上

print $origtext;

将给我源文本作为输出：

<meta name="id" content=""12345.this.is.a.sample:id:required.67890"@abc.com">

---

我可以使用正则表达式利用

$origtext

中包含的这个值来获取所需的内容

希望它只考虑

content=“

感谢您的输入。但是，我不应该更改实际的html文件。不过，我可以在解析时将html加载到内存中，然后更改其内容。有什么方法可以做到这一点吗？@A.I是的：只要你能设计出清晰、明确的规则来解析这些输入，你就可以实现这些规则并进行一些预处理。但重要的是要记住，您的输入不是HTML。

<meta name="id" content=""12345.this.is.a.sample:id:required.67890"@abc.com">