解析HTML这不是有效的XML
问题描述：
我需要分析一个网站，全国各地有很多嵌套<div> S的。我试着用XML::Simple来获得一个很好的树型结构，但解析一直失败，因为似乎有两三个关闭<p>的地方。我试过HTML::Parser，但是这只能让我定义一些处理函数，它给了我正确的标签，但不是它们的嵌套元素。解析HTML这不是有效的XML
有没有办法让XML::Simple接受无效的XML或HTML::Parser给我一个方便的树结构？
答
的HTML::TreeBuilder建立很好的树木，并给出吨方便的方法来遍历它。
+0
TreeBuilder为我做了。我正在使用的服务器没有XML :: LibXML，我无法安装它。非常感谢您的帮助！ – Lanbo 2011-03-10 13:34:19
答
但它是有效的HTML？如果是这样，如果您使用HTML解析功能，XML::LibXML将做一个了不起的工作。它闪电般快，并提供一个很好的界面。它甚至应该能够使用recover选项来处理一些错误的HTML。
或者，HTML::Parser（通常通过HTML::TreeBuilder或HTML::TreeBuilder::XPath使用）声称用于处理错误的HTML。尽管如此，它不会那么快。
HTML不是XML。为什么你会期望XML解析器解析它？ – geoffspear 2011-03-07 15:40:59
@Wooble因为，在我的心里，我希望它是。 – Lanbo 2011-03-07 15:44:29
一种基于的东西替代[HTML :: TreeBuilder作为] []是[XML :: LibXML-> load_html（...）] [XML ::的libxml ::分析器load_html]。 [HTML :: TreeBuilder作为]：http://search.cpan.org/perldoc/HTML::TreeBuilder [XML ::的libxml ::分析器load_html]：http://search.cpan.org/perldoc/XML :: LibXML :: Parser＃DOM_Parser – reinierpost 2011-03-07 16:15:05