HTML-Parser und leere Elemente (Fragen zu Perl-Modulen)

[thread]11186[/thread]

HTML-Parser und leere Elemente

Leser: 2

GwenDragon

2008-01-25 13:02

User since
2005-01-17
14748 Artikel
Admin1

Ich will mit CPAN:

HTML-TagFilter bestimmte Elemente von HTML filtern.

Jetzt habe ich aber das Problem, dass es mir aus XHTML bzw. Elementen, die auch wieder imlicit geschlossen sind, HTML macht.
Das bedeutet, dass aus

Code: (dl )

<img src=test.jpg />

dann

Code: (dl )

<img src="test.jpg">

wird, was natürlich falsch ist.
Es muss dann nämlich

Code: (dl )

<img src="test.jpg" />

sein!

In der Doku zu HTML-Parser steht, dass:

Quote
Empty element tags look like start tags, but end with the character sequence "/>" instead of ">". When recognized by HTML::Parser they cause an artificial end event in addition to the start event. The text for the artificial end event will be empty and the tokenpos array will be undefined even though the the token array will have one element containing the tag name.

Wie kann ich das am besten lösen, dass mir das implizite Schließen des Elements nicht verloren geht?

die Drachin Gwen

Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten

renee

2008-01-25 13:28

User since
2003-08-04
14371 Artikel
ModeratorIn

Auf Anhieb habe ich nichts gefunden. Kannst Du mal ein kleines Beispielprogramm posten? Dann kann ich mal etwas "rumspielen"...

OTRS-Erweiterungen (http://feature-addons.de/)
Frankfurt Perlmongers (http://frankfurt.pm/)
--

Unterlagen OTRS-Workshop 2012: http://otrs.perl-services.de/workshop.html
Perl-Entwicklung: http://perl-services.de/

GwenDragon

2008-01-25 14:06

User since
2005-01-17
14748 Artikel
Admin1

Warte mal noch, tut mir leid.
Ich sehe gerade, dass auf dem Server eine alte Version des HTML-Parser ist.
Ich werde erst mal remote debuggen müssen, damit ich sehe, wo ich das Modul ändern muss.

die Drachin Gwen

Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten

GwenDragon

2008-01-25 19:55

User since
2005-01-17
14748 Artikel
Admin1

Ich dachte, ich müsste irgendwie HTML-Tagfilter patchen.
Bin halt über #22135: self-closing tags are improperly rewritten gestolpert.

Ach ja, HTML::TagFilter ist ja ein Kind von HTML::Parser.

Geht auch anders, wie ich sehe und löst obigen Bug ;)

Code (perl): (dl )

#!/usr/local/bin/perl

use strict;
use warnings;

use lib "lib";
use HTML::TagFilter;

my $p = HTML::TagFilter->new (
        strip_comments=>1,
);

#eval { $p->strict_comment(1) };
#eval { $p->strict_names(1) };
#eval { $p->strict_end(1) };
#eval { $p->empty_element_tags(1) };
eval { $p->xml_mode(1) };
#eval { $p->marked_sections(1) };

$p->parse(<<'HTML');
        <body onload="aaa">
                <p onclick="a"><img onclick="AAAA" src="a" alt="99" /></p>
                <p />
                <div>
                        <br />
                        <hr                    />
                        <a href="a"/></div>
                <script/>
        </body>

</html>
HTML

my $report = $p->report;
print STDERR '-' x 30, "\n", "Report: \n", $report, "\n", '-' x 30, "\n\n"
        if defined $report;

my $error_log = $p->error;
print STDERR '-' x 30, "Errors: \n", "\n", $error_log, "\n", '-' x 30, "\n\n"
        if length $error_log;

print $p->output;

Ich habe einfach mal im Fall von XHTML bei HTML::Parser mit eval { $p->xml_mode(1) }; den XML-Modus eingeschhaltet und siehe da:

Aus
<img onclick="AAAA" src="a" alt="99" />
wird
<img src="a" alt="99"></img>

Was nach XML korrekt ist.

die Drachin Gwen

Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten

View all threads created 2008-01-25 13:02.