使用 HTML：：TokeParser 解析 html 音频标签-解网

问：

我正在尝试在 perl 中编写一个蜘蛛，它将解析域中的所有音频标签，并尝试从找到的每个音频标签中下载相应的内容。audio/mpeg

以下是我的代码中的一个片段，它使用 html 解析 html 以便从标签中提取链接：HTML::TokeParsera

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";
}

上面的代码片段从给定的 html 页面中提取所有链接。这与 url 的哈希一起在循环中使用，以抓取给定域中的所有页面。

下面是另一个片段，几乎与第一个片段完全相同，只是我试图提取音频标签而不是标签：a

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";
}

由于某种原因，未检测到任何标记。我错过了什么吗？audio

阅读 HTML：：TokeParser 文档，我认为我无法提取嵌套 html 元素的属性。

请考虑下面的标记：

<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>

我想解析整个html，以仅提取找到的所有标签的属性。因此，如果 html 看起来像这样：srcaudio

  <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>

预期输出应如下所示：

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文件以仅提取每个标签的属性。srcaudio

perl html 解析

使用 HTML：：TokeParser 解析 html 音频标签

Parse Html Audio Tag Using HTML::TokeParser

评论

评论