HTML::ArticleExtractor не извлекает все атрибуты тегов

[Igor4324]

Вот настройка с тестовым запросом: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В результате парсинга нет некоторых атрибутов в тегах. Например в конкретном случает атрибута: class="game-data".
Каким образом можно сделать парсинг всех атрибутов в парсере HTML::ArticleExtractor?

 

[Support Alex]

HTML::ArticleExtractor работает с помощью модуля @mozilla/readability, который встроен в А-Парсер и собирает такие основные данные как: заглавие, контент с HTML версткой и без, длину статьи.

Вполне возможно, что данный модуль удаляет некоторые части кода исходя из своего алгоритма.

Если вам нужен атрибут class="game-data", то вы можете использовать переменную $data, в таком случае будет весь код страницы, и с него вы можете регулярками получать нужную вам информацию.

 

[Ev888]

Да это большая проблема. Хочется большего контроля над readability.
Мало того что он удаляет нужные тэги, так он ещё добавляет свои, ненужные.
Например:

<div id="readability-page-1" class="page"><div>