问个关于Html标签整理的问题

niaya

我想问一下 $h->as_HTML('<>&',' ',{});
这句是什么意思？
我联动4楼和5楼的代码已经实现了基本的功能。
但是整理之后的代码  原来是<br=XXXXX>现在变成了<br=XXXXX />
其他TAG的结束也都变成了/>，这个是标准html转换的原因吗？怎么处理好些。

换句话说，虽然功能实现了，对于html的外观来讲也没有变化，但是现在Source换行的结构之类的都打乱了。
有没有办法不破坏html Source的段落结构?

niaya

还有一个关于encode的小问题

中文的话是GBK
英文的话就不需要设定
日文的话 应该设定成什么 (JIS?)

ynchnluiti

原帖由 niaya 于 2009-2-9 09:37 发表
我想问一下 $h->as_HTML('&',' ',{});
这句是什么意思？

1. 
   
2.        $h->as_HTML() or $h->as_HTML($entities)
   
3. 
   
4.        or $h->as_HTML($entities, $indent_char)
   
5. 
   
6.        or $h->as_HTML($entities, $indent_char, \%optional_end_tags)
   
7. 
   
8.        Returns a string representing in HTML the element and its descendants.  The optional argument $entities specifies a string of the entities to  encode.  For compatibility with previous versions, specify '<>&' here.  If omitted or undef, all unsafe characters are encoded as HTML entities. See HTML::Entities for details.  If passed an empty string, no entities are encoded.
   

复制代码

ynchnluiti

原帖由 niaya 于 2009-2-9 09:40 发表
还有一个关于encode的小问题

中文的话是GBK
英文的话就不需要设定
日文的话 应该设定成什么 (JIS?)

页面上没有编码信息吗？

ynchnluiti

换句话说，虽然功能实现了，对于html的外观来讲也没有变化，但是现在Source换行的结构之类的都打乱了。

这个好像不太好保证。

niaya

原帖由 ynchnluiti 于 2009-2-9 10:16 发表

页面上没有编码信息吗？

这个已经看到了不得 charset后面那个 谢谢.

niaya

刚才重新看了下

<span style="font-size:9.0pt; font-family:宋体"> 这个tag也被误删了.

只想删除<span lang=XXX><span class=XXX><span face=XXX>这三种<SPAN>和对应的</span>. 不知道哪里还有问题呢.

1. 
   
2. my $encode = "GBK";
   
3.   
   
4.     my $tree = HTML::TreeBuilder->new_from_content( decode($encode, $html) );
   
5. 
   
6.     my $p = $tree->look_down(_tag => q{p});
   
7. 
   
8.     my $mainspan;
   
9.     for my $span( $tree->look_down(_tag => q{span}) ){
   
10.         if ( defined $span->attr('lang') ) {
    
11.             $span->attr(lang=>undef);
    
12.             $mainspan = $span;
    
13.             last;
    
14.          } elsif ( defined $span->attr('class') ) {
    
15.             $span->attr(class=>undef);
    
16.             $mainspan = $span;
    
17.             last;
    
18.          } elsif ( defined $span->attr('face') ) {
    
19.             $span->attr(face=>undef);
    
20.             $mainspan = $span;
    
21.             last;
    
22.          } else {
    
23.           next;
    
24.           }
    
25.     }
    
26. #print decode_entities($mainspan->as_HTML), "\n";
    
27. 
    
28.     for my $span( $tree->look_down(_tag => q{span}) ){
    
29.         $span->replace_with_content($span->content_refs_list);
    
30.     }
    
31. 
    
32.     my @content = $p->content_list;
    
33.     $p->detach_content();
    
34. 
    
35.     $mainspan->push_content(@content);
    
36.     $p->push_content($mainspan);
    
37. 
    
38.     $html = encode( $encode, $tree->as_HTML('<>&',' ',{}) ), "\n";
    
39.    
    
40.     $html =~ s/span_space/&nbsp;/g;
    
41. 
    
42.     $tree->delete;
    
43.    
    
44. }
    

复制代码

hutule110

原帖由 niaya 于 2009-2-9 09:40 发表
还有一个关于encode的小问题

中文的话是GBK
英文的话就不需要设定
日文的话 应该设定成什么 (JIS?)

shift_jis

ynchnluiti

<p style='margin-top:0pt;margin-right:0pt;margin-bottom:0pt;margin-left:.0pt; '><span face=宋体><span class=GramE><span class=grame><span lang=EN-US style='font-size:9.0pt; font-family:宋体'><b> Perl </b><span face=宋体>是不同的语言。</span></b><span face=宋体>从一开始， </span><b><span face=宋体> Perl</span></b><span face=宋体>就设计成可以把简单工作简单化，</span><span
face=宋体><span style="mso-spacerun:yes">同时又不失</span></span><span face=宋体>去处理困难问题</span>
<span face=宋体>能力的语言。</span><o:p></o:p></span></span></span></span></p>

用下面代码得到的$mainspan是最外层的span（上面红色）。
蓝色部分代码有问题, 根据你前面的要求直接删除就行。

my $mainspan;
for my $span( $tree->look_down(_tag => q{span}) ){
    if ( defined $span->attr('lang') ) {
        $span->attr(lang=>undef);
        $mainspan = $span;
        last;
    } elsif ( defined $span->attr('class') ) {
        $span->attr(class=>undef);
        $mainspan = $span;
        last;
    } elsif ( defined $span->attr('face') ) {
        $span->attr(face=>undef);
        $mainspan = $span;
        last;
    } else {
        next;
    }
}

niaya

原帖由 ynchnluiti 于 2009-2-9 18:46 发表

用下面代码得到的$mainspan是最外层的span（上面红色）。
蓝色部分代码有问题, 根据你前面的要求直接删除就行。

不好意思，上面的代码还是没太研究明白。
你给出的（6楼那段代码）应该是只对<span lang=XXX style=YYYYY>进行了处理吧。（变成了<span style=YYYYY>）
但是其他的<span>标签，比如说<span face=XXX><span lang=XXXX><span class=XXX>这样的TAG应该没有处理吧。

我那种写法的话，出来的结果是删掉了所有的span标签，但是现在还希望保留<span style=XXXX></span>这对标签。
我是Perl新手，有些地方看不大明白，还请多多赐教。