使用 HTML::TableExtract [Perl] 解析文档以仅获取一些标签和值 [逐行]

Question

晚上好，亲爱的社区，

首先 - 我非常非常高兴我找到了这个好地方。我非常非常喜欢这个论坛，因为它有一个很棒且支持的社区！我从你们这里学到了很多东西！每个问题都有一些优秀的审阅者，并且每个线程都是丰富的价值和学习资产。

好吧，我对 Perl 还很陌生，对这个板也相当陌生：我目前正在开发一个小解析器：我想解析一个表

单击此处查看目标网址 - 带有非常简单的表格（仅某些行）

此页面有一个表格：以及一个带有值的表格和标签。我们需要提供唯一标识相关表的内容。这可以是其标头的内容或 HTML 属性。在本例中，文档中只有一张表，因此我们甚至不需要这样做。但是，如果要向构造函数提供任何内容，我会提供表的类。 我们不需要表的列。该表的第一列由标签组成，第二列由值组成。为了同时获取标签和值，我们应该逐行处理表格。好吧 - 可以这样完成吗：

#!/usr/bin/perl

use strict; use warnings;
use HTML::TableExtract;
use YAML;

my $te = HTML::TableExtract->new(
    attribs => { class => 'bp_ergebnis_tab_info' },
);

$te->parse_file('t.html');
# here the file with the captured site is stored 

foreach my $table ( $te->tables ) { 
    foreach my $row ($table->rows) {
        print "   ", join(',', @$row), "\n";
    }
}

查看结果：

 martin@suse-linux:~/perl> perl  parser_perl_nrw2.pl
 Use of uninitialized value $row in join or string at parser_perl_nrw2.pl line 17.
  Schuldaten,
  Schule hat Schulbetrieb
  Schulnummer,143960

   Amtliche Bezeichnung,�Franziskusschule Kath. Hauptschule Ahaus - Sekundarstufe I -

   Strasse,Hof zum Ahaus 6

   Plz und Ort,48683 Ahaus

   Telefon,02561 4291990

   Fax,02561 42919920

   E-Mail-Adresse,[email protected]


   Internet,http://www.franziskusschule.de
  ,Schule in �ffentlicher Tr�gerschaft

好吧，我想获取上面显示的数据 - 但如果你看到下面 - 还有更多的文本和代码行，...像这样说话。 （/我想要摆脱以下几行！！！）

Use of uninitialized value $row in join or string at parser_perl_nrw2.pl
line 17.
,Schülergesamtzahl,648
Use of uninitialized value $row in join or string at parser_perl_nrw2.pl
line 17.
,Ganztagsunterricht,Ja (erweiterter Ganztagsbetrieb)
Sonstiges,Teilnahme am Projekt 'Betrieb und Schule (BUS)'
Use of uninitialized value $row in join or string at parser_perl_nrw2.pl
line 17.
Unterrichtsangebote,
Use of uninitialized value $row in join or string at parser_perl_nrw2.pl
line 17.
Schule erteilt Unterricht in Fremdsprache(n)...,
,Englisch

问题：我如何摆脱未经消毒的数据！一切都很好 - 但我想摆脱未经消毒的数据...这非常丑陋 - 而且因为我想将数据存储到数据库中 - 我不需要未经消毒的数据...！

一如既往：我们将不胜感激任何和所有的帮助 - 提前非常感谢！

问候 零

Answer 1

您想摆脱未初始化值警告吗？

某些表格单元格是空的，因此您可能需要测试它们或将其过滤掉。例如：

foreach my $table ( $te->tables ) {
        foreach my $row ($table->rows) {
        my @values = grep {defined} @$row;
        print "   ", join(',', @values), "\n";
       }
    }

您还可以完全禁用该特定块的警告，并且没有警告“未初始化”，但这通常不是一个好的做法。