用Perl验证HTML

　　在Perl中编码时，代码中的错误相当明显——解析器会将所有错误信息都显示在屏幕上，向你警告出现的问题，并让你立即采取措施进行更正。如果你在开发HTML页面，就不存在这样的早期警告系统——标记中出现的任何错误都被浏览器所忽略。更糟糕的是，一些浏览器甚至试图“自动”更正常见的标记错误，给这个过程带来许多新问题。

　　最简单的解决方案是在应用HTML之前对它进行检测(或“验证”)。这时就要用到一个称为HTML::Lint的有用CPAN模块。这个Perl模块建立在人们所熟知的HTML::Parser模块之上，旨在对标记进行检验，看其是否符合W3C标准，并指出可能使它“中断”或在客户浏览器中无法编译的错误。

　　本文探讨了HTML::Lint的一些功能，用它来检验HTML页面并显示发现的错误。首先，在Perl提示符下运行下列命令，下载并安装此模块(如果你还没有这个模块的话)。

　　perl> perl -MCPAN -e "install HTML::Lint"

　　Linting Files

　　安装模块后，建立并保存下面的HTML文件(保存为abc.html)：

　　A is for apple, B is for baby

　　如你所见，此文件中有一个有意的错误——开头缺少标签。这个错误在这里相当明显；但如果文件更大更复杂的话，就更难发觉缺少这样的标签。这就是为什么下一步要编写一些Perl代码，用HTML::Lint来探测这个错误。

　　建立并保存下列的脚本(保存为linter.pl)：

　　#!/usr/bin/perl

　　# initialize linter

　　use HTML::Lint;

　　$lint = HTML::Lint->new();

　　# parse file

　　$lint->parse_file("abc.html") or die("Cannot find file!");

　　# check for errors

　　($lint->err) ? print "Your code stinks!" : print "Your code rocks!";

　　这个过程相当简单：这段脚本初始化一个HTML::Lint对象，然后应用对象的parse_file()方法来解析前面建立的HTML文件。检测到的错误(如果存在的话)被存储在@err数组中，并向控制台显示一个错误信息。

　　以下是你看到的输出结果：

　　shell> ./linter.plYour code stinks!

　　当然，如果你有大量的文件要进行验证的话，这段代码就有点不切实际。在那种情况下，你可能想在运行时向脚本提交HTML文件名及路径，而不是把它硬编码到脚本中。列表A是前面脚本的修订版，正好可完成这一工作。

　　列表A

　　#!/usr/bin/perl

　　# read file name from command line

　　if (!$ARGV[0]) { die ("ERROR: No file name provided"); }

　　# initialize linter

　　use HTML::Lint;

　　$lint = HTML::Lint->new();

　　# parse file

　　$lint->parse_file($ARGV[0]) or die("ERROR: Cannot find file");

　　# check for errors

　　($lint->err) ? print "Your code stinks! " : print "Your code rocks! ";

　　# print error count

　　print "Errors found: ", scalar($lint->err);

　　在这种情况下，脚本认为一个文件路径是它的第一个引数，并将其保存在特殊的Perl @ARGV数组中。然后，脚本寻找这个文件，将它解析，并根据发现错误与否显示一条信息。脚本的最后一行是新的：它根据HTML::Lint的@err错误数组的大小，显示由解析器发现的错误数目。

　　下面的代码是应用过程：

　　shell> ./linter.pl /tmp/abc.html

　　Your code stinks!

　　Errors found: 1

　　Handling errors

　　现在我们清楚了HTML::Lint如何在代码中发现错误，但还有一个问题——显示代码中出现的错误是好的，但对于诊断问题并没有多大帮助。你真正希望得到的是详细的错误信息，它说明错误的本质以及错误发生的行号。

　　幸运的是，HTML::Lint将这一信息存储在@err数组中，提取并显示它也很容易。下一个样本(列表B)以上一个样本为基础，显示了更为详尽的信息。

　　列表B

　　#!/usr/bin/perl

　　# read file name from command line

　　if (!$ARGV[0]) { die ("ERROR: No file name provided"); }

　　# initialize linter

　　use HTML::Lint;

　　$lint = HTML::Lint->new();

　　# parse file

　　$lint->parse_file($ARGV[0]) or die("ERROR: Cannot find file");

　　# check for errors

　　($lint->err) ? print "Your code stinks! " : print "Your code rocks! ";

　　# print detailed error list

　　foreach $e ($lint->err) {

　　?print $e->where(), ": ", $e->errtext() , " ";

　　}

　　在这种情况下，@err数组由一个foreach()循环处理。每个单独的错误对象被提取出来，其位置和详细的错误信息用对象的where()和errtext()方法显示出来。

　　这里是一个可能的例子：

　　shell> ./linter.pl /tmp/abc.html

　　Your code stinks!

　　(4:1): with no opening

　　当然，你可以对上面的脚本进行修改，以便一次验证几个文件，将错误记录到一个日志文件中，而不用显示出来；或者过滤除最重要错误以外的所有错误。请访问HTML::Lint网页了解更多实例与其他技巧。编程快乐！