带有条件的 Perl XPath 语句 - 这可能吗？

Question

这个问题已经改写了。我正在使用 CPAN Perl 模块 WWW::Mechanize浏览网站，HTML::TreeBuilder-XPath捕获内容和xacobeo在 HTML/XML 上测试我的 XPath 代码。目标是从基于 PHP 的网站调用这个 Perl 脚本，并将抓取的内容上传到数据库中。因此，如果内容“缺失”，仍然需要考虑。

下面是一个经过测试的简化示例代码，描述了我的挑战。笔记:

此页面是动态填充的，包含各种 ITEMS为不同的商店输出；不同数量的Products*每个商店都会存在。这些产品列表下面可能有也可能没有明细表。

捕获的数据必须在数组中，并且必须维护任何逐项列表(如果存在)与产品列表的关联。

下面，每个商店的示例 xml 更改(如上所述)，但为简洁起见，我只显示一种“类型”的输出。我意识到可以将所有数据捕获到一个数组中，然后使用正则表达式来破译内容，以便将其上传到数据库中。我正在寻求更好的 XPath 知识来帮助简化这个(和 future 的)解决方案。

<!DOCTYPE XHTML>
<table id="8jd9c_ITEMS">
<tr><th style="color:red">The Products we have in stock!</th></tr>

<tr><td><span id="Product_NUTS">We have nuts!</span></td></tr>
<tr><td>
    <!--Table may or may not exist  -->
           <table>                                  
      <tr><td style="color:blue;text-indent:10px">Almonds</td></tr>
      <tr><td style="color:blue;text-indent:10px">Cashews</td></tr>
      <tr></tr>
    </table>
</td></tr>

<tr><td><span id="Product_VEGGIES">We have veggies!</span></td></tr>
<tr><td>
    <!--Table may or may not exist -->
    <table>
      <tr><td style="color:blue;text-indent:10px">Carrots</td></tr>
      <tr><td style="color:blue;text-indent:10px">Celery</td></tr>
      <tr></tr>
    </table>
</td></tr>

<tr><td><span id="Product_ALCOHOL">We have booze!</span></td></tr>
    <!--In this case, the table does not exist -->
</table>

一个 XPath 语句:

'//table[contains(@id, "ITEMS")]/tr[position() >1]/td/span/text()'

会发现:

We have nuts!
we have veggies!
We have booze!

和一个 XPath 语句:

'//table[contains(@id, "ITEMS")]/tr[position() >1]/td/table/tr/td/text()'

会发现:

Almonds
Cashews
Carrots
Celery

可以组合这两个 XPath 语句:

'//table[contains(@id, "ITEMS")]/tr[position() >1]/td/span/text() | //table[contains(@id, "ITEMS")]/tr[position() >1]/table/tr/td/text()'

要查找:

We have nuts!
Almonds
Cashews
We have veggies!
Carrots
Celery
We have booze!

同样，可以使用正则表达式对上面的数组进行解密(在实际代码中)，因为它是产品到列表的关联。 但是可以使用 XPath 以保持这种关联的方式构建数组吗？

例如(伪说话，这不起作用):

'//table[contains(@id, "ITEMS")]/tr[position()>1]/td/span/text() | 
if exists('//table[contains(@id, "ITEMS")]/tr[position() >1]/table)) 
then ("NoTable") else ("TableRef") | 
Save this result into @TableRef ('//table[contains(@id, "ITEMS")]/tr[position() >1]/table/tr/td/text()')'

在 Perl 中构建多维数组(传统意义上的)是不可能的，参见 perldoc perlref但希望类似于上述的解决方案可以创建如下内容:

@ITEMS[0] => We have nuts!
@ITEMS[1] => nutsREF     <-- say, the last word of the span value + REF
@ITEMS[2] => We have veggies!
@ITEMS[3] => veggiesREF  <-- say, the last word of the span value + REF
@ITEMS[4] => We have booze!
@ITEMS[5] => NoTable     <-- value accounts for the missing info

@nutsREF[0] => Almonds
@nutsREF[1] => Cashews

@veggiesREF[0] => Carrots
@veggiesREF[1] => Celery 

在实际代码中，产品是已知的，所以 my @veggiesREF和 my @nutsREF可以在 XPath 输出的预期中定义。

我意识到 XPath if/else/then 功能在 XPath 2.0 版本中。我在 ubuntu 系统上并在本地工作，但我仍然不清楚我的 apache2 服务器使用的是它还是 1.0 版本。我该如何检查？

最后，如果您可以展示如何从 PHP 表单提交调用 Perl 脚本以及如何将 Perl 数组传回给调用 PHP 函数，那么这将有助于获得赏金。 :)

谢谢!

最后编辑:

该帖子下方的评论直接指向了一个过于模糊的初始帖子。随后的重新发布(和赏金)得到了 ikegami 的回应，它非常有创意地使用它解决了伪问题，但事实证明我很难在我的实际应用程序中掌握和重用 - 这需要在各种 html 页面上进行多次使用。在我们对话的第 18 条评论中，我终于发现了他对 ($cat) 的含义和用法——他使用的一种未记录的 Perl 语法。对于新读者来说，理解这种语法可以理解(和重新格式化)他对问题的智能解决方案。他的帖子当然符合 OP 中寻求的基本要求，但没有使用 HTML::TreeBuilder::XPath 来完成。

jpalecek 使用 HTML::TreeBuilder::XPath，但不会将捕获的数据放入数组中，以便传回 PHP 函数并上传到数据库。

我从两位响应者那里学到了东西，希望这篇文章能帮助像我这样的 Perl 新手。任何最终贡献将不胜感激。

Answer 1

如果我猜测，您的问题是:“我如何从提供的输入中获得以下信息？”

my $categorized_items = {
   'We have nuts!'    => [ 'Almonds', 'Cashwes' ],
   'We have veggies!' => [ 'Carrots', 'Celery' ],
   'We have booze!'   => [ ],
};

如果是这样，我会这样做:

use Data::Dumper qw( Dumper );
use XML::LibXML  qw( );

my $root = XML::LibXML->load_xml(IO=>\*DATA)->documentElement;

my %cat_items;
for my $cat_tr ($root->findnodes('//table[contains(@id, "ITEMS")]/tr[td/span]')) {
   my ($cat) = map $_->textContent(),
      $cat_tr->findnodes('td/span');

   my @items = map $_->textContent(),
      $cat_tr->findnodes('following-sibling::tr[position()=1]/td/table/tr/td');

   $cat_items{$cat} = \@items;
}

print(Dumper(\%cat_items));

__DATA__
...xml...

PS - 你所拥有的不是有效的 HTML。

TABLE 元素不能直接放在 TR 元素内。缺少 TD 元素。

TR 元素不能为空。它必须至少有一个 TH 或 TD 元素。