home *** CD-ROM | disk | FTP | other *** search
/ Personal Computer World 2009 February / PCWFEB09.iso / Software / Linux / Kubuntu 8.10 / kubuntu-8.10-desktop-i386.iso / casper / filesystem.squashfs / usr / share / perl5 / HTML / Element.pm < prev    next >
Text File  |  2007-04-27  |  116KB  |  3,849 lines

  1. package HTML::Element;
  2.  
  3. =head1 NAME
  4.  
  5. HTML::Element - Class for objects that represent HTML elements
  6.  
  7. =head1 VERSION
  8.  
  9. Version 3.23
  10.  
  11. =cut
  12.  
  13. use vars qw( $VERSION );
  14. $VERSION = '3.23';
  15.  
  16. =head1 SYNOPSIS
  17.  
  18.     use HTML::Element;
  19.     $a = HTML::Element->new('a', href => 'http://www.perl.com/');
  20.     $a->push_content("The Perl Homepage");
  21.  
  22.     $tag = $a->tag;
  23.     print "$tag starts out as:",  $a->starttag, "\n";
  24.     print "$tag ends as:",  $a->endtag, "\n";
  25.     print "$tag\'s href attribute is: ", $a->attr('href'), "\n";
  26.  
  27.     $links_r = $a->extract_links();
  28.     print "Hey, I found ", scalar(@$links_r), " links.\n";
  29.  
  30.     print "And that, as HTML, is: ", $a->as_HTML, "\n";
  31.     $a = $a->delete;
  32.  
  33. =head1 DESCRIPTION
  34.  
  35. (This class is part of the L<HTML::Tree|HTML::Tree> dist.)
  36.  
  37. Objects of the HTML::Element class can be used to represent elements
  38. of HTML document trees.  These objects have attributes, notably attributes that
  39. designates each element's parent and content.  The content is an array
  40. of text segments and other HTML::Element objects.  A tree with HTML::Element
  41. objects as nodes can represent the syntax tree for a HTML document.
  42.  
  43. =head1 HOW WE REPRESENT TREES
  44.  
  45. Consider this HTML document:
  46.  
  47.   <html lang='en-US'>
  48.     <head>
  49.       <title>Stuff</title>
  50.       <meta name='author' content='Jojo'>
  51.     </head>
  52.     <body>
  53.      <h1>I like potatoes!</h1>
  54.     </body>
  55.   </html>
  56.  
  57. Building a syntax tree out of it makes a tree-structure in memory
  58. that could be diagrammed as:
  59.  
  60.                      html (lang='en-US')
  61.                       / \
  62.                     /     \
  63.                   /         \
  64.                 head        body
  65.                /\               \
  66.              /    \               \
  67.            /        \               \
  68.          title     meta              h1
  69.           |       (name='author',     |
  70.        "Stuff"    content='Jojo')    "I like potatoes"
  71.  
  72. This is the traditional way to diagram a tree, with the "root" at the
  73. top, and it's this kind of diagram that people have in mind when they
  74. say, for example, that "the meta element is under the head element
  75. instead of under the body element".  (The same is also said with
  76. "inside" instead of "under" -- the use of "inside" makes more sense
  77. when you're looking at the HTML source.)
  78.  
  79. Another way to represent the above tree is with indenting:
  80.  
  81.   html (attributes: lang='en-US')
  82.     head
  83.       title
  84.         "Stuff"
  85.       meta (attributes: name='author' content='Jojo')
  86.     body
  87.       h1
  88.         "I like potatoes"
  89.  
  90. Incidentally, diagramming with indenting works much better for very
  91. large trees, and is easier for a program to generate.  The C<< $tree->dump >>
  92. method uses indentation just that way.
  93.  
  94. However you diagram the tree, it's stored the same in memory -- it's a
  95. network of objects, each of which has attributes like so:
  96.  
  97.   element #1:  _tag: 'html'
  98.                _parent: none
  99.                _content: [element #2, element #5]
  100.                lang: 'en-US'
  101.  
  102.   element #2:  _tag: 'head'
  103.                _parent: element #1
  104.                _content: [element #3, element #4]
  105.  
  106.   element #3:  _tag: 'title'
  107.                _parent: element #2
  108.                _content: [text segment "Stuff"]
  109.  
  110.   element #4   _tag: 'meta'
  111.                _parent: element #2
  112.                _content: none
  113.                name: author
  114.                content: Jojo
  115.  
  116.   element #5   _tag: 'body'
  117.                _parent: element #1
  118.                _content: [element #6]
  119.  
  120.   element #6   _tag: 'h1'
  121.                _parent: element #5
  122.                _content: [text segment "I like potatoes"]
  123.  
  124. The "treeness" of the tree-structure that these elements comprise is
  125. not an aspect of any particular object, but is emergent from the
  126. relatedness attributes (_parent and _content) of these element-objects
  127. and from how you use them to get from element to element.
  128.  
  129. While you could access the content of a tree by writing code that says
  130. "access the 'src' attribute of the root's I<first> child's I<seventh>
  131. child's I<third> child", you're more likely to have to scan the contents
  132. of a tree, looking for whatever nodes, or kinds of nodes, you want to
  133. do something with.  The most straightforward way to look over a tree
  134. is to "traverse" it; an HTML::Element method (C<< $h->traverse >>) is
  135. provided for this purpose; and several other HTML::Element methods are
  136. based on it.
  137.  
  138. (For everything you ever wanted to know about trees, and then some,
  139. see Niklaus Wirth's I<Algorithms + Data Structures = Programs> or
  140. Donald Knuth's I<The Art of Computer Programming, Volume 1>.)
  141.  
  142. =cut
  143.  
  144.  
  145. use strict;
  146. use Carp ();
  147. use HTML::Entities ();
  148. use HTML::Tagset ();
  149. use integer; # vroom vroom!
  150.  
  151. use vars qw($html_uc $Debug $ID_COUNTER %list_type_to_sub);
  152.  
  153. $Debug = 0 unless defined $Debug;
  154. sub Version { $VERSION; }
  155.  
  156. my $nillio = [];
  157.  
  158. *HTML::Element::emptyElement = \%HTML::Tagset::emptyElement; # legacy
  159. *HTML::Element::optionalEndTag = \%HTML::Tagset::optionalEndTag; # legacy
  160. *HTML::Element::linkElements = \%HTML::Tagset::linkElements; # legacy
  161. *HTML::Element::boolean_attr = \%HTML::Tagset::boolean_attr; # legacy
  162. *HTML::Element::canTighten = \%HTML::Tagset::canTighten; # legacy
  163.  
  164. # Constants for signalling back to the traverser:
  165. my $travsignal_package = __PACKAGE__ . '::_travsignal';
  166. my(
  167.   $ABORT, $PRUNE, $PRUNE_SOFTLY, $OK, $PRUNE_UP
  168. ) =
  169.   map
  170.    {my $x = $_ ; bless \$x, $travsignal_package;}
  171.    qw(
  172.      ABORT  PRUNE   PRUNE_SOFTLY   OK   PRUNE_UP
  173.    )
  174. ;
  175. sub ABORT           () {$ABORT}
  176. sub PRUNE           () {$PRUNE}
  177. sub PRUNE_SOFTLY    () {$PRUNE_SOFTLY}
  178. sub OK              () {$OK}
  179. sub PRUNE_UP        () {$PRUNE_UP}
  180.  
  181. $html_uc = 0;
  182. # set to 1 if you want tag and attribute names from starttag and endtag
  183. #  to be uc'd
  184.  
  185. # Elements that does not have corresponding end tags (i.e. are empty)
  186.  
  187. #==========================================================================
  188.  
  189.  
  190. =head1 BASIC METHODS
  191.  
  192. =head2 $h = HTML::Element->new('tag', 'attrname' => 'value', ... )
  193.  
  194. This constructor method returns a new HTML::Element object.  The tag
  195. name is a required argument; it will be forced to lowercase.
  196. Optionally, you can specify other initial attributes at object
  197. creation time.
  198.  
  199. =cut
  200.  
  201. #
  202. # An HTML::Element is represented by blessed hash reference, much like
  203. # Tree::DAG_Node objects.  Key-names not starting with '_' are reserved
  204. # for the SGML attributes of the element.
  205. # The following special keys are used:
  206. #
  207. #    '_tag':    The tag name (i.e., the generic identifier)
  208. #    '_parent': A reference to the HTML::Element above (when forming a tree)
  209. #    '_pos':    The current position (a reference to a HTML::Element) is
  210. #               where inserts will be placed (look at the insert_element
  211. #               method)  If not set, the implicit value is the object itself.
  212. #    '_content': A ref to an array of nodes under this.
  213. #                It might not be set.
  214. #
  215. # Example: <img src="gisle.jpg" alt="Gisle's photo"> is represented like this:
  216. #
  217. #  bless {
  218. #     _tag => 'img',
  219. #     src  => 'gisle.jpg',
  220. #     alt  => "Gisle's photo",
  221. #  }, 'HTML::Element';
  222. #
  223.  
  224. sub new {
  225.     my $class = shift;
  226.     $class = ref($class) || $class;
  227.  
  228.     my $tag   = shift;
  229.     Carp::croak("No tagname") unless defined $tag and length $tag;
  230.     Carp::croak "\"$tag\" isn't a good tag name!"
  231.      if $tag =~ m/[<>\/\x00-\x20]/; # minimal sanity, certainly!
  232.     my $self  = bless { _tag => scalar($class->_fold_case($tag)) }, $class;
  233.     my($attr, $val);
  234.     while (($attr, $val) = splice(@_, 0, 2)) {
  235.         $val = $attr unless defined $val;
  236.         $self->{$class->_fold_case($attr)} = $val;
  237.     }
  238.     if ($tag eq 'html') {
  239.         $self->{'_pos'} = undef;
  240.     }
  241.     return $self;
  242. }
  243.  
  244.  
  245. =head2 $h->attr('attr') or $h->attr('attr', 'value')
  246.  
  247. Returns (optionally sets) the value of the given attribute of $h.  The
  248. attribute name (but not the value, if provided) is forced to
  249. lowercase.  If trying to read the value of an attribute not present
  250. for this element, the return value is undef.
  251. If setting a new value, the old value of that attribute is
  252. returned.
  253.  
  254. If methods are provided for accessing an attribute (like C<< $h->tag >> for
  255. "_tag", C<< $h->content_list >>, etc. below), use those instead of calling
  256. attr C<< $h->attr >>, whether for reading or setting.
  257.  
  258. Note that setting an attribute to C<undef> (as opposed to "", the empty
  259. string) actually deletes the attribute.
  260.  
  261. =cut
  262.  
  263. sub attr {
  264.     my $self = shift;
  265.     my $attr = scalar($self->_fold_case(shift));
  266.     if (@_) {  # set
  267.         if(defined $_[0]) {
  268.             my $old = $self->{$attr};
  269.             $self->{$attr} = $_[0];
  270.             return $old;
  271.         }
  272.         else {  # delete, actually
  273.             return delete $self->{$attr};
  274.         }
  275.     }
  276.     else {   # get
  277.         return $self->{$attr};
  278.     }
  279. }
  280.  
  281.  
  282. =head2 $h->tag() or $h->tag('tagname')
  283.  
  284. Returns (optionally sets) the tag name (also known as the generic
  285. identifier) for the element $h.  In setting, the tag name is always
  286. converted to lower case.
  287.  
  288. There are four kinds of "pseudo-elements" that show up as
  289. HTML::Element objects:
  290.  
  291. =over
  292.  
  293. =item Comment pseudo-elements
  294.  
  295. These are element objects with a C<$h-E<gt>tag> value of "~comment",
  296. and the content of the comment is stored in the "text" attribute
  297. (C<$h-E<gt>attr("text")>).  For example, parsing this code with
  298. HTML::TreeBuilder...
  299.  
  300.   <!-- I like Pie.
  301.      Pie is good
  302.   -->
  303.  
  304. produces an HTML::Element object with these attributes:
  305.  
  306.   "_tag",
  307.   "~comment",
  308.   "text",
  309.   " I like Pie.\n     Pie is good\n  "
  310.  
  311. =item Declaration pseudo-elements
  312.  
  313. Declarations (rarely encountered) are represented as HTML::Element
  314. objects with a tag name of "~declaration", and content in the "text"
  315. attribute.  For example, this:
  316.  
  317.   <!DOCTYPE foo>
  318.  
  319. produces an element whose attributes include:
  320.  
  321.   "_tag", "~declaration", "text", "DOCTYPE foo"
  322.  
  323. =item Processing instruction pseudo-elements
  324.  
  325. PIs (rarely encountered) are represented as HTML::Element objects with
  326. a tag name of "~pi", and content in the "text" attribute.  For
  327. example, this:
  328.  
  329.   <?stuff foo?>
  330.  
  331. produces an element whose attributes include:
  332.  
  333.   "_tag", "~pi", "text", "stuff foo?"
  334.  
  335. (assuming a recent version of HTML::Parser)
  336.  
  337. =item ~literal pseudo-elements
  338.  
  339. These objects are not currently produced by HTML::TreeBuilder, but can
  340. be used to represent a "super-literal" -- i.e., a literal you want to
  341. be immune from escaping.  (Yes, I just made that term up.)
  342.  
  343. That is, this is useful if you want to insert code into a tree that
  344. you plan to dump out with C<as_HTML>, where you want, for some reason,
  345. to suppress C<as_HTML>'s normal behavior of amp-quoting text segments.
  346.  
  347. For example, this:
  348.  
  349.   my $literal = HTML::Element->new('~literal',
  350.     'text' => 'x < 4 & y > 7'
  351.   );
  352.   my $span = HTML::Element->new('span');
  353.   $span->push_content($literal);
  354.   print $span->as_HTML;
  355.  
  356. prints this:
  357.  
  358.   <span>x < 4 & y > 7</span>
  359.  
  360. Whereas this:
  361.  
  362.   my $span = HTML::Element->new('span');
  363.   $span->push_content('x < 4 & y > 7');
  364.     # normal text segment
  365.   print $span->as_HTML;
  366.  
  367. prints this:
  368.  
  369.   <span>x < 4 & y > 7</span>
  370.  
  371. Unless you're inserting lots of pre-cooked code into existing trees,
  372. and dumping them out again, it's not likely that you'll find
  373. C<~literal> pseudo-elements useful.
  374.  
  375. =back
  376.  
  377. =cut
  378.  
  379. sub tag {
  380.     my $self = shift;
  381.     if (@_) { # set
  382.         $self->{'_tag'} = $self->_fold_case($_[0]);
  383.     }
  384.     else { # get
  385.         $self->{'_tag'};
  386.     }
  387. }
  388.  
  389.  
  390. =head2 $h->parent() or $h->parent($new_parent)
  391.  
  392. Returns (optionally sets) the parent (aka "container") for this element.
  393. The parent should either be undef, or should be another element.
  394.  
  395. You B<should not> use this to directly set the parent of an element.
  396. Instead use any of the other methods under "Structure-Modifying
  397. Methods", below.
  398.  
  399. Note that not($h->parent) is a simple test for whether $h is the
  400. root of its subtree.
  401.  
  402. =cut
  403.  
  404. sub parent {
  405.     my $self = shift;
  406.     if (@_) { # set
  407.         Carp::croak "an element can't be made its own parent"
  408.          if defined $_[0] and ref $_[0] and $self eq $_[0]; # sanity
  409.         $self->{'_parent'} = $_[0];
  410.     }
  411.     else {
  412.         $self->{'_parent'}; # get
  413.     }
  414. }
  415.  
  416.  
  417. =head2 $h->content_list()
  418.  
  419. Returns a list of the child nodes of this element -- i.e., what
  420. nodes (elements or text segments) are inside/under this element. (Note
  421. that this may be an empty list.)
  422.  
  423. In a scalar context, this returns the count of the items,
  424. as you may expect.
  425.  
  426. =cut
  427.  
  428. sub content_list {
  429.     return
  430.       wantarray ?        @{shift->{'_content'} || return()}
  431.                 : scalar @{shift->{'_content'} || return 0};
  432. }
  433.  
  434.  
  435. =head2 $h->content()
  436.  
  437. This somewhat deprecated method returns the content of this element;
  438. but unlike content_list, this returns either undef (which you should
  439. understand to mean no content), or a I<reference to the array> of
  440. content items, each of which is either a text segment (a string, i.e.,
  441. a defined non-reference scalar value), or an HTML::Element object.
  442. Note that even if an arrayref is returned, it may be a reference to an
  443. empty array.
  444.  
  445. While older code should feel free to continue to use C<< $h->content >>,
  446. new code should use C<< $h->content_list >> in almost all conceivable
  447. cases.  It is my experience that in most cases this leads to simpler
  448. code anyway, since it means one can say:
  449.  
  450.     @children = $h->content_list;
  451.  
  452. instead of the inelegant:
  453.  
  454.     @children = @{$h->content || []};
  455.  
  456. If you do use C<< $h->content >> (or C<< $h->content_array_ref >>), you should not
  457. use the reference returned by it (assuming it returned a reference,
  458. and not undef) to directly set or change the content of an element or
  459. text segment!  Instead use L<content_refs_list> or any of the other
  460. methods under "Structure-Modifying Methods", below.
  461.  
  462. =cut
  463.  
  464. # a read-only method!  can't say $h->content( [] )!
  465. sub content {
  466.     return shift->{'_content'};
  467. }
  468.  
  469.  
  470. =head2 $h->content_array_ref()
  471.  
  472. This is like C<content> (with all its caveats and deprecations) except
  473. that it is guaranteed to return an array reference.  That is, if the
  474. given node has no C<_content> attribute, the C<content> method would
  475. return that undef, but C<content_array_ref> would set the given node's
  476. C<_content> value to C<[]> (a reference to a new, empty array), and
  477. return that.
  478.  
  479. =cut
  480.  
  481. sub content_array_ref {
  482.     return shift->{'_content'} ||= [];
  483. }
  484.  
  485.  
  486. =head2 $h->content_refs_list
  487.  
  488. This returns a list of scalar references to each element of C<$h>'s
  489. content list.  This is useful in case you want to in-place edit any
  490. large text segments without having to get a copy of the current value
  491. of that segment value, modify that copy, then use the
  492. C<splice_content> to replace the old with the new.  Instead, here you
  493. can in-place edit:
  494.  
  495.     foreach my $item_r ($h->content_refs_list) {
  496.         next if ref $$item_r;
  497.         $$item_r =~ s/honour/honor/g;
  498.     }
  499.  
  500. You I<could> currently achieve the same affect with:
  501.  
  502.     foreach my $item (@{ $h->content_array_ref }) {
  503.         # deprecated!
  504.         next if ref $item;
  505.         $item =~ s/honour/honor/g;
  506.     }
  507.  
  508. ...except that using the return value of C<< $h->content >> or
  509. C<< $h->content_array_ref >> to do that is deprecated, and just might stop
  510. working in the future.
  511.  
  512. =cut
  513.  
  514. sub content_refs_list {
  515.     return \( @{ shift->{'_content'} || return() } );
  516. }
  517.  
  518.  
  519. =head2 $h->implicit() or $h->implicit($bool)
  520.  
  521. Returns (optionally sets) the "_implicit" attribute.  This attribute is
  522. a flag that's used for indicating that the element was not originally
  523. present in the source, but was added to the parse tree (by
  524. HTML::TreeBuilder, for example) in order to conform to the rules of
  525. HTML structure.
  526.  
  527. =cut
  528.  
  529. sub implicit {
  530.     return shift->attr('_implicit', @_);
  531. }
  532.  
  533.  
  534. =head2 $h->pos() or $h->pos($element)
  535.  
  536. Returns (and optionally sets) the "_pos" (for "current I<pos>ition")
  537. pointer of C<$h>.  This attribute is a pointer used during some
  538. parsing operations, whose value is whatever HTML::Element element
  539. at or under C<$h> is currently "open", where C<< $h->insert_element(NEW) >>
  540. will actually insert a new element.
  541.  
  542. (This has nothing to do with the Perl function called "pos", for
  543. controlling where regular expression matching starts.)
  544.  
  545. If you set C<< $h->pos($element) >>, be sure that C<$element> is
  546. either C<$h>, or an element under C<$h>.
  547.  
  548. If you've been modifying the tree under C<$h> and are no longer
  549. sure C<< $h->pos >> is valid, you can enforce validity with:
  550.  
  551.     $h->pos(undef) unless $h->pos->is_inside($h);
  552.  
  553. =cut
  554.  
  555. sub pos {
  556.     my $self = shift;
  557.     my $pos = $self->{'_pos'};
  558.     if (@_) {  # set
  559.         my $parm = shift;
  560.         if(defined $parm and $parm ne $self) {
  561.             $self->{'_pos'} = $parm; # means that element
  562.         }
  563.         else {
  564.             $self->{'_pos'} = undef; # means $self
  565.         }
  566.     }
  567.     return $pos if defined($pos);
  568.     return $self;
  569. }
  570.  
  571.  
  572. =head2 $h->all_attr()
  573.  
  574. Returns all this element's attributes and values, as key-value pairs.
  575. This will include any "internal" attributes (i.e., ones not present
  576. in the original element, and which will not be represented if/when you
  577. call C<< $h->as_HTML >>).  Internal attributes are distinguished by the fact
  578. that the first character of their key (not value! key!) is an
  579. underscore ("_").
  580.  
  581. Example output of C<< $h->all_attr() >> :
  582. C<'_parent', >I<[object_value]>C< , '_tag', 'em', 'lang', 'en-US',
  583. '_content', >I<[array-ref value]>.
  584.  
  585. =head2 $h->all_attr_names()
  586.  
  587. Like all_attr, but only returns the names of the attributes.
  588.  
  589. Example output of C<< $h->all_attr_names() >> :
  590. C<'_parent', '_tag', 'lang', '_content', >.
  591.  
  592. =cut
  593.  
  594. sub all_attr {
  595.   return %{$_[0]};
  596.   # Yes, trivial.  But no other way for the user to do the same
  597.   #  without breaking encapsulation.
  598.   # And if our object representation changes, this method's behavior
  599.   #  should stay the same.
  600. }
  601.  
  602. sub all_attr_names {
  603.     return keys %{$_[0]};
  604. }
  605.  
  606.  
  607. =head2 $h->all_external_attr()
  608.  
  609. Like C<all_attr>, except that internal attributes are not present.
  610.  
  611. =head2 $h->all_external_attr_names()
  612.  
  613. Like C<all_external_attr_names>, except that internal attributes' names
  614. are not present.
  615.  
  616. =cut
  617.  
  618. sub all_external_attr {
  619.   my $self = $_[0];
  620.   return
  621.     map(
  622.         (length($_) && substr($_,0,1) eq '_') ? () : ($_, $self->{$_}),
  623.         keys %$self
  624.        );
  625. }
  626.  
  627. sub all_external_attr_names {
  628.   return
  629.     grep
  630.       !(length($_) && substr($_,0,1) eq '_'),
  631.       keys %{$_[0]}
  632.   ;
  633. }
  634.  
  635.  
  636.  
  637. =head2 $h->id() or $h->id($string)
  638.  
  639. Returns (optionally sets to C<$string>) the "id" attribute.
  640. C<< $h->id(undef) >> deletes the "id" attribute.
  641.  
  642. =cut
  643.  
  644. sub id {
  645.   if(@_ == 1) {
  646.     return $_[0]{'id'};
  647.   } elsif(@_ == 2) {
  648.     if(defined $_[1]) {
  649.       return $_[0]{'id'} = $_[1];
  650.     } else {
  651.       return delete $_[0]{'id'};
  652.     }
  653.   } else {
  654.     Carp::croak '$node->id can\'t take ' . scalar(@_) . ' parameters!';
  655.   }
  656. }
  657.  
  658.  
  659. =head2 $h->idf() or $h->idf($string)
  660.  
  661. Just like the C<id> method, except that if you call C<< $h->idf() >> and
  662. no "id" attribute is defined for this element, then it's set to a
  663. likely-to-be-unique value, and returned.  (The "f" is for "force".)
  664.  
  665. =cut
  666.  
  667. sub _gensym {
  668.   unless(defined $ID_COUNTER) {
  669.     # start it out...
  670.     $ID_COUNTER = sprintf('%04x', rand(0x1000));
  671.     $ID_COUNTER =~ tr<0-9a-f><J-NP-Z>; # yes, skip letter "oh"
  672.     $ID_COUNTER .= '00000';
  673.   }
  674.   ++$ID_COUNTER;
  675. }
  676.  
  677. sub idf {
  678.     my $nparms = scalar @_;
  679.  
  680.     if ($nparms == 1) {
  681.         my $x;
  682.         if (defined($x = $_[0]{'id'}) and length $x) {
  683.             return $x;
  684.         }
  685.         else {
  686.             return $_[0]{'id'} = _gensym();
  687.         }
  688.     }
  689.     if ($nparms == 2) {
  690.         if (defined $_[1]) {
  691.             return $_[0]{'id'} = $_[1];
  692.         }
  693.         else {
  694.             return delete $_[0]{'id'};
  695.         }
  696.     }
  697.     Carp::croak '$node->idf can\'t take ' . scalar(@_) . ' parameters!';
  698. }
  699.  
  700.  
  701. =head1 STRUCTURE-MODIFYING METHODS
  702.  
  703. These methods are provided for modifying the content of trees
  704. by adding or changing nodes as parents or children of other nodes.
  705.  
  706. =head2 $h->push_content($element_or_text, ...)
  707.  
  708. Adds the specified items to the I<end> of the content list of the
  709. element C<$h>.  The items of content to be added should each be either a
  710. text segment (a string), an HTML::Element object, or an arrayref.
  711. Arrayrefs are fed thru C<< $h->new_from_lol(that_arrayref) >> to
  712. convert them into elements, before being added to the content
  713. list of C<$h>.  This means you can say things concise things like:
  714.  
  715.   $body->push_content(
  716.     ['br'],
  717.     ['ul',
  718.       map ['li', $_], qw(Peaches Apples Pears Mangos)
  719.     ]
  720.   );
  721.  
  722. See C<new_from_lol> method's documentation, far below, for more
  723. explanation.
  724.  
  725. The push_content method will try to consolidate adjacent text segments
  726. while adding to the content list.  That's to say, if $h's content_list is
  727.  
  728.   ('foo bar ', $some_node, 'baz!')
  729.  
  730. and you call
  731.  
  732.    $h->push_content('quack?');
  733.  
  734. then the resulting content list will be this:
  735.  
  736.   ('foo bar ', $some_node, 'baz!quack?')
  737.  
  738. and not this:
  739.  
  740.   ('foo bar ', $some_node, 'baz!', 'quack?')
  741.  
  742. If that latter is what you want, you'll have to override the
  743. feature of consolidating text by using splice_content,
  744. as in:
  745.  
  746.   $h->splice_content(scalar($h->content_list),0,'quack?');
  747.  
  748. Similarly, if you wanted to add 'Skronk' to the beginning of
  749. the content list, calling this:
  750.  
  751.    $h->unshift_content('Skronk');
  752.  
  753. then the resulting content list will be this:
  754.  
  755.   ('Skronkfoo bar ', $some_node, 'baz!')
  756.  
  757. and not this:
  758.  
  759.   ('Skronk', 'foo bar ', $some_node, 'baz!')
  760.  
  761. What you'd to do get the latter is:
  762.  
  763.   $h->splice_content(0,0,'Skronk');
  764.  
  765. =cut
  766.  
  767. sub push_content {
  768.     my $self = shift;
  769.     return $self unless @_;
  770.  
  771.     my $content = ($self->{'_content'} ||= []);
  772.     for (@_) {
  773.         if (ref($_) eq 'ARRAY') {
  774.             # magically call new_from_lol
  775.             push @$content, $self->new_from_lol($_);
  776.             $content->[-1]->{'_parent'} = $self;
  777.         }
  778.         elsif (ref($_)) {  # insert an element
  779.             $_->detach if $_->{'_parent'};
  780.             $_->{'_parent'} = $self;
  781.             push(@$content, $_);
  782.         }
  783.         else {  # insert text segment
  784.             if (@$content && !ref $content->[-1]) {
  785.                 # last content element is also text segment -- append
  786.                 $content->[-1] .= $_;
  787.             } else {
  788.                 push(@$content, $_);
  789.             }
  790.         }
  791.     }
  792.     return $self;
  793. }
  794.  
  795.  
  796. =head2 $h->unshift_content($element_or_text, ...)
  797.  
  798. Just like C<push_content>, but adds to the I<beginning> of the $h
  799. element's content list.
  800.  
  801. The items of content to be added should each be
  802. either a text segment (a string), an HTML::Element object, or
  803. an arrayref (which is fed thru C<new_from_lol>).
  804.  
  805. The unshift_content method will try to consolidate adjacent text segments
  806. while adding to the content list.  See above for a discussion of this.
  807.  
  808. =cut
  809.  
  810. sub unshift_content {
  811.     my $self = shift;
  812.     return $self unless @_;
  813.  
  814.     my $content = ($self->{'_content'} ||= []);
  815.     for (reverse @_) { # so they get added in the order specified
  816.         if (ref($_) eq 'ARRAY') {
  817.             # magically call new_from_lol
  818.             unshift @$content, $self->new_from_lol($_);
  819.             $content->[0]->{'_parent'} = $self;
  820.         }
  821.         elsif (ref $_) {  # insert an element
  822.             $_->detach if $_->{'_parent'};
  823.             $_->{'_parent'} = $self;
  824.             unshift(@$content, $_);
  825.         }
  826.         else {  # insert text segment
  827.             if (@$content && !ref $content->[0]) {
  828.                 # last content element is also text segment -- prepend
  829.                 $content->[0]  = $_ . $content->[0];
  830.             }
  831.             else {
  832.                 unshift(@$content, $_);
  833.             }
  834.         }
  835.     }
  836.     return $self;
  837. }
  838.  
  839. # Cf.  splice ARRAY,OFFSET,LENGTH,LIST
  840.  
  841. =head2 $h->splice_content($offset, $length, $element_or_text, ...)
  842.  
  843. Detaches the elements from $h's list of content-nodes, starting at
  844. $offset and continuing for $length items, replacing them with the
  845. elements of the following list, if any.  Returns the elements (if any)
  846. removed from the content-list.  If $offset is negative, then it starts
  847. that far from the end of the array, just like Perl's normal C<splice>
  848. function.  If $length and the following list is omitted, removes
  849. everything from $offset onward.
  850.  
  851. The items of content to be added (if any) should each be either a text
  852. segment (a string), an arrayref (which is fed thru C<new_from_lol>),
  853. or an HTML::Element object that's not already
  854. a child of $h.
  855.  
  856. =cut
  857.  
  858. sub splice_content {
  859.     my($self, $offset, $length, @to_add) = @_;
  860.     Carp::croak "splice_content requires at least one argument"
  861.         if @_ < 2;  # at least $h->splice_content($offset);
  862.     return $self unless @_;
  863.  
  864.     my $content = ($self->{'_content'} ||= []);
  865.     # prep the list
  866.  
  867.     my @out;
  868.     if (@_ > 2) {  # self, offset, length, ...
  869.         foreach my $n (@to_add) {
  870.             if (ref($n) eq 'ARRAY') {
  871.                 $n = $self->new_from_lol($n);
  872.                 $n->{'_parent'} = $self;
  873.             }
  874.             elsif (ref($n)) {
  875.                 $n->detach;
  876.                 $n->{'_parent'} = $self;
  877.             }
  878.         }
  879.         @out = splice @$content, $offset, $length, @to_add;
  880.     }
  881.     else {  #  self, offset
  882.         @out = splice @$content, $offset;
  883.     }
  884.     foreach my $n (@out) {
  885.         $n->{'_parent'} = undef if ref $n;
  886.     }
  887.     return @out;
  888. }
  889.  
  890.  
  891. =head2 $h->detach()
  892.  
  893. This unlinks $h from its parent, by setting its 'parent' attribute to
  894. undef, and by removing it from the content list of its parent (if it
  895. had one).  The return value is the parent that was detached from (or
  896. undef, if $h had no parent to start with).  Note that neither $h nor
  897. its parent are explicitly destroyed.
  898.  
  899. =cut
  900.  
  901. sub detach {
  902.     my $self = $_[0];
  903.     return undef unless(my $parent = $self->{'_parent'});
  904.     $self->{'_parent'} = undef;
  905.     my $cohort = $parent->{'_content'} || return $parent;
  906.     @$cohort = grep { not( ref($_) and $_ eq $self) } @$cohort;
  907.     # filter $self out, if parent has any evident content
  908.  
  909.     return $parent;
  910. }
  911.  
  912.  
  913. =head2 $h->detach_content()
  914.  
  915. This unlinks all of $h's children from $h, and returns them.
  916. Note that these are not explicitly destroyed; for that, you
  917. can just use $h->delete_content.
  918.  
  919. =cut
  920.  
  921. sub detach_content {
  922.     my $c = $_[0]->{'_content'} || return(); # in case of no content
  923.     for (@$c) {
  924.         $_->{'_parent'} = undef if ref $_;
  925.     }
  926.     return splice @$c;
  927. }
  928.  
  929.  
  930. =head2 $h->replace_with( $element_or_text, ... ) 
  931.  
  932. This replaces C<$h> in its parent's content list with the nodes
  933. specified.  The element C<$h> (which by then may have no parent)
  934. is returned.  This causes a fatal error if C<$h> has no parent.
  935. The list of nodes to insert may contain C<$h>, but at most once.
  936. Aside from that possible exception, the nodes to insert should not
  937. already be children of C<$h>'s parent.
  938.  
  939. Also, note that this method does not destroy C<$h> -- use
  940. C<< $h->replace_with(...)->delete >> if you need that.
  941.  
  942. =cut
  943.  
  944. sub replace_with {
  945.     my ($self, @replacers) = @_;
  946.     Carp::croak "the target node has no parent"
  947.         unless my($parent) = $self->{'_parent'};
  948.  
  949.     my $parent_content = $parent->{'_content'};
  950.     Carp::croak "the target node's parent has no content!?" 
  951.     unless $parent_content and @$parent_content;
  952.  
  953.     my $replacers_contains_self;
  954.     for(@replacers) {
  955.         if (!ref $_) {
  956.             # noop
  957.         }
  958.         elsif($_ eq $self) {
  959.             # noop, but check that it's there just once.
  960.             Carp::croak 
  961.             "Replacement list contains several copies of target!"
  962.             if $replacers_contains_self++;
  963.         }
  964.         elsif($_ eq $parent) {
  965.             Carp::croak "Can't replace an item with its parent!";
  966.         }
  967.         elsif(ref($_) eq 'ARRAY') {
  968.             $_ = $self->new_from_lol($_);
  969.         }
  970.         else {
  971.             $_->detach;
  972.             $_->{'_parent'} = $parent;
  973.             # each of these are necessary
  974.         }
  975.     } # for @replacers
  976.     @$parent_content = map { ( ref($_) and $_ eq $self) ? @replacers : $_ } @$parent_content;
  977.  
  978.     $self->{'_parent'} = undef unless $replacers_contains_self;
  979.     # if replacers does contain self, then the parent attribute is fine as-is
  980.  
  981.     return $self;
  982. }
  983.  
  984. =head2 $h->preinsert($element_or_text...)
  985.  
  986. Inserts the given nodes right BEFORE C<$h> in C<$h>'s parent's
  987. content list.  This causes a fatal error if C<$h> has no parent.
  988. None of the given nodes should be C<$h> or other children of C<$h>.
  989. Returns C<$h>.
  990.  
  991. =cut
  992.  
  993. sub preinsert {
  994.     my $self = shift;
  995.     return $self unless @_;
  996.     return $self->replace_with(@_, $self);
  997. }
  998.  
  999. =head2 $h->postinsert($element_or_text...)
  1000.  
  1001. Inserts the given nodes right AFTER C<$h> in C<$h>'s parent's content
  1002. list.  This causes a fatal error if C<$h> has no parent.  None of
  1003. the given nodes should be C<$h> or other children of C<$h>.  Returns
  1004. C<$h>.
  1005.  
  1006. =cut
  1007.  
  1008. sub postinsert {
  1009.     my $self = shift;
  1010.     return $self unless @_;
  1011.     return $self->replace_with($self, @_);
  1012. }
  1013.  
  1014.  
  1015. =head2 $h->replace_with_content()
  1016.  
  1017. This replaces C<$h> in its parent's content list with its own content.
  1018. The element C<$h> (which by then has no parent or content of its own) is
  1019. returned.  This causes a fatal error if C<$h> has no parent.  Also, note
  1020. that this does not destroy C<$h> -- use
  1021. C<< $h->replace_with_content->delete >> if you need that.
  1022.  
  1023. =cut
  1024.  
  1025. sub replace_with_content {
  1026.   my $self = $_[0];
  1027.   Carp::croak "the target node has no parent"
  1028.     unless my($parent) = $self->{'_parent'};
  1029.  
  1030.   my $parent_content = $parent->{'_content'};
  1031.   Carp::croak "the target node's parent has no content!?" 
  1032.    unless $parent_content and @$parent_content;
  1033.  
  1034.   my $content_r = $self->{'_content'} || [];
  1035.   @$parent_content 
  1036.    = map { ( ref($_) and $_ eq $self) ? @$content_r : $_ }
  1037.          @$parent_content
  1038.   ;
  1039.  
  1040.   $self->{'_parent'} = undef; # detach $self from its parent
  1041.  
  1042.   # Update parentage link, removing from $self's content list
  1043.   for (splice @$content_r) {  $_->{'_parent'} = $parent if ref $_ }
  1044.  
  1045.   return $self;  # note: doesn't destroy it.
  1046. }
  1047.  
  1048.  
  1049.  
  1050. =head2 $h->delete_content()
  1051.  
  1052. Clears the content of C<$h>, calling C<< $h->delete >> for each content
  1053. element.  Compare with C<< $h->detach_content >>.
  1054.  
  1055. Returns C<$h>.
  1056.  
  1057. =cut
  1058.  
  1059. sub delete_content {
  1060.     for (splice @{ delete($_[0]->{'_content'})
  1061.               # Deleting it here (while holding its value, for the moment)
  1062.               #  will keep calls to detach() from trying to uselessly filter
  1063.               #  the list (as they won't be able to see it once it's been
  1064.               #  deleted)
  1065.             || return($_[0]) # in case of no content
  1066.           },
  1067.           0
  1068.            # the splice is so we can null the array too, just in case
  1069.            # something somewhere holds a ref to it
  1070.         )
  1071.     {
  1072.         $_->delete if ref $_;
  1073.     }
  1074.     $_[0];
  1075. }
  1076.  
  1077.  
  1078.  
  1079. =head2 $h->delete()
  1080.  
  1081. Detaches this element from its parent (if it has one) and explicitly
  1082. destroys the element and all its descendants.  The return value is
  1083. undef.
  1084.  
  1085. Perl uses garbage collection based on reference counting; when no
  1086. references to a data structure exist, it's implicitly destroyed --
  1087. i.e., when no value anywhere points to a given object anymore, Perl
  1088. knows it can free up the memory that the now-unused object occupies.
  1089.  
  1090. But this fails with HTML::Element trees, because a parent element
  1091. always holds references to its children, and its children elements
  1092. hold references to the parent, so no element ever looks like it's
  1093. I<not> in use.  So, to destroy those elements, you need to call
  1094. C<< $h->delete >> on the parent.
  1095.  
  1096. =cut
  1097.  
  1098. # two handy aliases
  1099. sub destroy { shift->delete(@_) }
  1100. sub destroy_content { shift->delete_content(@_) }
  1101.  
  1102. sub delete {
  1103.     my $self = $_[0];
  1104.     $self->delete_content   # recurse down
  1105.      if $self->{'_content'} && @{$self->{'_content'}};
  1106.     
  1107.     $self->detach if $self->{'_parent'} and $self->{'_parent'}{'_content'};
  1108.      # not the typical case
  1109.  
  1110.     %$self = (); # null out the whole object on the way out
  1111.     return undef;
  1112. }
  1113.  
  1114.  
  1115. =head2 $h->clone()
  1116.  
  1117. Returns a copy of the element (whose children are clones (recursively)
  1118. of the original's children, if any).
  1119.  
  1120. The returned element is parentless.  Any '_pos' attributes present in the
  1121. source element/tree will be absent in the copy.  For that and other reasons,
  1122. the clone of an HTML::TreeBuilder object that's in mid-parse (i.e, the head
  1123. of a tree that HTML::TreeBuilder is elaborating) cannot (currently) be used
  1124. to continue the parse.
  1125.  
  1126. You are free to clone HTML::TreeBuilder trees, just as long as:
  1127. 1) they're done being parsed, or 2) you don't expect to resume parsing
  1128. into the clone.  (You can continue parsing into the original; it is
  1129. never affected.)
  1130.  
  1131. =cut
  1132.  
  1133. sub clone {
  1134.   #print "Cloning $_[0]\n";
  1135.   my $it = shift;
  1136.   Carp::croak "clone() can be called only as an object method" unless ref $it;
  1137.   Carp::croak "clone() takes no arguments" if @_;
  1138.  
  1139.   my $new = bless { %$it }, ref($it);     # COPY!!! HOOBOY!
  1140.   delete @$new{'_content', '_parent', '_pos', '_head', '_body'};
  1141.  
  1142.   # clone any contents
  1143.   if($it->{'_content'} and @{$it->{'_content'}}) {
  1144.     $new->{'_content'} = [  ref($it)->clone_list( @{$it->{'_content'}} )  ];
  1145.     for(@{$new->{'_content'}}) {
  1146.       $_->{'_parent'} = $new if ref $_;
  1147.     }
  1148.   }
  1149.  
  1150.   return $new;
  1151. }
  1152.  
  1153. =head2 HTML::Element->clone_list(...nodes...)
  1154.  
  1155. Returns a list consisting of a copy of each node given.
  1156. Text segments are simply copied; elements are cloned by
  1157. calling $it->clone on each of them.
  1158.  
  1159. Note that this must be called as a class method, not as an instance
  1160. method.  C<clone_list> will croak if called as an instance method.
  1161. You can also call it like so:
  1162.  
  1163.     ref($h)->clone_list(...nodes...)
  1164.  
  1165. =cut
  1166.  
  1167. sub clone_list {
  1168.   Carp::croak "clone_list can be called only as a class method" if ref shift @_;
  1169.  
  1170.    # all that does is get me here
  1171.   return
  1172.     map
  1173.       {
  1174.         ref($_)
  1175.           ? $_->clone   # copy by method
  1176.           : $_  # copy by evaluation
  1177.       }
  1178.       @_
  1179.   ;
  1180. }
  1181.  
  1182.  
  1183. =head2 $h->normalize_content
  1184.  
  1185. Normalizes the content of C<$h> -- i.e., concatenates any adjacent
  1186. text nodes.  (Any undefined text segments are turned into empty-strings.)
  1187. Note that this does not recurse into C<$h>'s descendants.
  1188.  
  1189. =cut
  1190.  
  1191. sub normalize_content {
  1192.   my $start = $_[0];
  1193.   my $c;
  1194.   return unless $c = $start->{'_content'} and ref $c and @$c; # nothing to do
  1195.   # TODO: if we start having text elements, deal with catenating those too?
  1196.   my @stretches = (undef); # start with a barrier
  1197.  
  1198.   # I suppose this could be rewritten to treat stretches as it goes, instead
  1199.   #  of at the end.  But feh.
  1200.  
  1201.   # Scan:
  1202.   for(my $i = 0; $i < @$c; ++$i) {
  1203.     if(defined $c->[$i] and ref $c->[$i]) { # not a text segment
  1204.       if($stretches[0]) {
  1205.         # put in a barrier
  1206.         if($stretches[0][1] == 1) {
  1207.           #print "Nixing stretch at ", $i-1, "\n";
  1208.           undef $stretches[0]; # nix the previous one-node "stretch"
  1209.         } else {
  1210.           #print "End of stretch at ", $i-1, "\n";
  1211.           unshift @stretches, undef
  1212.         }
  1213.       }
  1214.       # else no need for a barrier
  1215.     } else { # text segment
  1216.       $c->[$i] = '' unless defined $c->[$i];
  1217.       if($stretches[0]) {
  1218.         ++$stretches[0][1]; # increase length
  1219.       } else {
  1220.         #print "New stretch at $i\n";
  1221.         unshift @stretches, [$i,1]; # start and length
  1222.       }
  1223.     }
  1224.   }
  1225.  
  1226.   # Now combine.  Note that @stretches is in reverse order, so the indexes
  1227.   # still make sense as we work our way thru (i.e., backwards thru $c).
  1228.   foreach my $s (@stretches) {
  1229.     if($s and $s->[1] > 1) {
  1230.       #print "Stretch at ", $s->[0], " for ", $s->[1], "\n";
  1231.       $c->[$s->[0]] .= join('', splice(@$c, $s->[0] + 1, $s->[1] - 1))
  1232.         # append the subsequent ones onto the first one.
  1233.     }
  1234.   }
  1235.   return;
  1236. }
  1237.  
  1238. =head2 $h->delete_ignorable_whitespace()
  1239.  
  1240. This traverses under C<$h> and deletes any text segments that are ignorable
  1241. whitespace.  You should not use this if C<$h> under a 'pre' element.
  1242.  
  1243. =cut
  1244.  
  1245. sub delete_ignorable_whitespace {
  1246.   # This doesn't delete all sorts of whitespace that won't actually
  1247.   #  be used in rendering, tho -- that's up to the rendering application.
  1248.   # For example:
  1249.   #   <input type='text' name='foo'>
  1250.   #     [some whitespace]
  1251.   #   <input type='text' name='bar'>
  1252.   # The WS between the two elements /will/ get used by the renderer.
  1253.   # But here:
  1254.   #   <input type='hidden' name='foo' value='1'>
  1255.   #     [some whitespace]
  1256.   #   <input type='text' name='bar' value='2'>
  1257.   # the WS between them won't be rendered in any way, presumably.
  1258.  
  1259.   #my $Debug = 4;
  1260.   die "delete_ignorable_whitespace can be called only as an object method"
  1261.    unless ref $_[0];
  1262.  
  1263.   print "About to tighten up...\n" if $Debug > 2;
  1264.   my(@to_do) = ($_[0]);  # Start off.
  1265.   my($i, $sibs, $ptag, $this); # scratch for the loop...
  1266.   while(@to_do) {
  1267.     if(
  1268.        ( $ptag = ($this = shift @to_do)->{'_tag'} ) eq 'pre'
  1269.        or $ptag eq 'textarea'
  1270.        or $HTML::Tagset::isCDATA_Parent{$ptag}
  1271.     ) {
  1272.       # block the traversal under those
  1273.        print "Blocking traversal under $ptag\n" if $Debug;
  1274.        next;
  1275.     }
  1276.     next unless($sibs = $this->{'_content'} and @$sibs);
  1277.     for($i = $#$sibs; $i >= 0; --$i) { # work backwards thru the list
  1278.       if(ref $sibs->[$i]) {
  1279.         unshift @to_do, $sibs->[$i];
  1280.         # yes, this happens in pre order -- we're going backwards
  1281.         # thru this sibling list.  I doubt it actually matters, tho.
  1282.         next;
  1283.       }
  1284.       next if $sibs->[$i] =~ m<[^\n\r\f\t ]>s; # it's /all/ whitespace
  1285.  
  1286.       print "Under $ptag whose canTighten ",
  1287.           "value is ", 0 + $HTML::Element::canTighten{$ptag}, ".\n"
  1288.        if $Debug > 3;
  1289.  
  1290.       # It's all whitespace...
  1291.  
  1292.       if($i == 0) {
  1293.         if(@$sibs == 1) { # I'm an only child
  1294.           next unless $HTML::Element::canTighten{$ptag}; # parent
  1295.         } else { # I'm leftmost of many
  1296.           # if either my parent or sib are eligible, I'm good.
  1297.           next unless
  1298.            $HTML::Element::canTighten{$ptag} # parent
  1299.            or
  1300.             (ref $sibs->[1]
  1301.              and $HTML::Element::canTighten{$sibs->[1]{'_tag'}} # right sib
  1302.             );
  1303.         }
  1304.       } elsif ($i == $#$sibs) { # I'm rightmost of many
  1305.         # if either my parent or sib are eligible, I'm good.
  1306.         next unless
  1307.            $HTML::Element::canTighten{$ptag} # parent
  1308.            or
  1309.             (ref $sibs->[$i - 1]
  1310.             and $HTML::Element::canTighten{$sibs->[$i - 1]{'_tag'}} # left sib
  1311.             )
  1312.       } else { # I'm the piggy in the middle
  1313.         # My parent doesn't matter -- it all depends on my sibs
  1314.         next
  1315.           unless
  1316.             ref $sibs->[$i - 1] or ref $sibs->[$i + 1];
  1317.          # if NEITHER sib is a node, quit
  1318.  
  1319.         next if
  1320.           # bailout condition: if BOTH are INeligible nodes
  1321.           #  (as opposed to being text, or being eligible nodes)
  1322.             ref $sibs->[$i - 1]
  1323.             and ref $sibs->[$i + 1]
  1324.             and !$HTML::Element::canTighten{$sibs->[$i - 1]{'_tag'}} # left sib
  1325.             and !$HTML::Element::canTighten{$sibs->[$i + 1]{'_tag'}} # right sib
  1326.         ;
  1327.       }
  1328.       # Unknown tags aren't in canTighten and so AREN'T subject to tightening
  1329.  
  1330.       print "  delendum: child $i of $ptag\n" if $Debug > 3;
  1331.       splice @$sibs, $i, 1;
  1332.     }
  1333.      # end of the loop-over-children
  1334.   }
  1335.    # end of the while loop.
  1336.  
  1337.   return;
  1338. }
  1339.  
  1340.  
  1341. =head2 $h->insert_element($element, $implicit)
  1342.  
  1343. Inserts (via push_content) a new element under the element at
  1344. C<< $h->pos() >>.  Then updates C<< $h->pos() >> to point to the inserted
  1345. element, unless $element is a prototypically empty element like
  1346. "br", "hr", "img", etc.  The new C<< $h->pos() >> is returned.  This
  1347. method is useful only if your particular tree task involves setting
  1348. C<< $h->pos() >>.
  1349.  
  1350. =cut
  1351.  
  1352. sub insert_element {
  1353.     my($self, $tag, $implicit) = @_;
  1354.     return $self->pos() unless $tag; # noop if nothing to insert
  1355.  
  1356.     my $e;
  1357.     if (ref $tag) {
  1358.         $e = $tag;
  1359.         $tag = $e->tag;
  1360.     } else { # just a tag name -- so make the element
  1361.         $e = ($self->{'_element_class'} || __PACKAGE__)->new($tag);
  1362.         ++($self->{'_element_count'}) if exists $self->{'_element_count'};
  1363.          # undocumented.  see TreeBuilder.
  1364.     }
  1365.  
  1366.     $e->{'_implicit'} = 1 if $implicit;
  1367.  
  1368.     my $pos = $self->{'_pos'};
  1369.     $pos = $self unless defined $pos;
  1370.  
  1371.     $pos->push_content($e);
  1372.  
  1373.     $self->{'_pos'} = $pos = $e
  1374.       unless $self->_empty_element_map->{$tag} || $e->{'_empty_element'};
  1375.  
  1376.     $pos;
  1377. }
  1378.  
  1379. #==========================================================================
  1380. # Some things to override in XML::Element
  1381.  
  1382. sub _empty_element_map {
  1383.   \%HTML::Element::emptyElement;
  1384. }
  1385.  
  1386. sub _fold_case_LC {
  1387.   if(wantarray) {
  1388.     shift;
  1389.     map lc($_), @_;
  1390.   } else {
  1391.     return lc($_[1]);
  1392.   }
  1393. }
  1394.  
  1395. sub _fold_case_NOT {
  1396.   if(wantarray) {
  1397.     shift;
  1398.     @_;
  1399.   } else {
  1400.     return $_[1];
  1401.   }
  1402. }
  1403.  
  1404. *_fold_case = \&_fold_case_LC;
  1405.  
  1406. #==========================================================================
  1407.  
  1408. =head1 DUMPING METHODS
  1409.  
  1410. =head2 $h->dump()
  1411.  
  1412. =head2 $h->dump(*FH)  ; # or *FH{IO} or $fh_obj
  1413.  
  1414. Prints the element and all its children to STDOUT (or to a specified
  1415. filehandle), in a format useful
  1416. only for debugging.  The structure of the document is shown by
  1417. indentation (no end tags).
  1418.  
  1419. =cut
  1420.  
  1421. sub dump {
  1422.     my($self, $fh, $depth) = @_;
  1423.     $fh = *STDOUT{IO} unless defined $fh;
  1424.     $depth = 0 unless defined $depth;
  1425.     print $fh
  1426.       "  " x $depth,   $self->starttag,   " \@", $self->address,
  1427.       $self->{'_implicit'} ? " (IMPLICIT)\n" : "\n";
  1428.     for (@{$self->{'_content'}}) {
  1429.         if (ref $_) {  # element
  1430.             $_->dump($fh, $depth+1);  # recurse
  1431.         } else {  # text node
  1432.             print $fh "  " x ($depth + 1);
  1433.             if(length($_) > 65 or m<[\x00-\x1F]>) {
  1434.               # it needs prettyin' up somehow or other
  1435.               my $x = (length($_) <= 65) ? $_ : (substr($_,0,65) . '...');
  1436.               $x =~ s<([\x00-\x1F])>
  1437.                      <'\\x'.(unpack("H2",$1))>eg;
  1438.               print $fh qq{"$x"\n};
  1439.             } else {
  1440.               print $fh qq{"$_"\n};
  1441.             }
  1442.         }
  1443.     }
  1444. }
  1445.  
  1446.  
  1447. =head2 $h->as_HTML() or $h->as_HTML($entities)
  1448.  
  1449. =head2 or $h->as_HTML($entities, $indent_char)
  1450.  
  1451. =head2 or $h->as_HTML($entities, $indent_char, \%optional_end_tags)
  1452.  
  1453. Returns a string representing in HTML the element and its
  1454. descendants.  The optional argument C<$entities> specifies a string of
  1455. the entities to encode.  For compatibility with previous versions,
  1456. specify C<'E<lt>E<gt>&'> here.  If omitted or undef, I<all> unsafe
  1457. characters are encoded as HTML entities.  See L<HTML::Entities> for
  1458. details.  If passed an empty string, no entities are encoded.
  1459.  
  1460. If $indent_char is specified and defined, the HTML to be output is
  1461. intented, using the string you specify (which you probably should
  1462. set to "\t", or some number of spaces, if you specify it).
  1463.  
  1464. If C<\%optional_end_tags> is specified and defined, it should be
  1465. a reference to a hash that holds a true value for every tag name
  1466. whose end tag is optional.  Defaults to
  1467. C<\%HTML::Element::optionalEndTag>, which is an alias to 
  1468. C<%HTML::Tagset::optionalEndTag>, which, at time of writing, contains
  1469. true values for C<p, li, dt, dd>.  A useful value to pass is an empty
  1470. hashref, C<{}>, which means that no end-tags are optional for this dump.
  1471. Otherwise, possibly consider copying C<%HTML::Tagset::optionalEndTag> to a 
  1472. hash of your own, adding or deleting values as you like, and passing
  1473. a reference to that hash.
  1474.  
  1475. =cut
  1476.  
  1477. sub as_HTML {
  1478.   my($self, $entities, $indent, $omissible_map) = @_;
  1479.   #my $indent_on = defined($indent) && length($indent);
  1480.   my @html = ();
  1481.  
  1482.   $omissible_map ||= \%HTML::Element::optionalEndTag;
  1483.   my $empty_element_map = $self->_empty_element_map;
  1484.  
  1485.   my $last_tag_tightenable = 0;
  1486.   my $this_tag_tightenable = 0;
  1487.   my $nonindentable_ancestors = 0;  # count of nonindentible tags over us.
  1488.  
  1489.   my($tag, $node, $start, $depth); # per-iteration scratch
  1490.  
  1491.   if(defined($indent) && length($indent)) {
  1492.     $self->traverse(
  1493.       sub {
  1494.         ($node, $start, $depth) = @_;
  1495.         if(ref $node) { # it's an element
  1496.  
  1497.            $tag = $node->{'_tag'};
  1498.  
  1499.            if($start) { # on the way in
  1500.              if(
  1501.                 ($this_tag_tightenable = $HTML::Element::canTighten{$tag})
  1502.                 and !$nonindentable_ancestors
  1503.                 and $last_tag_tightenable
  1504.              ) {
  1505.                push
  1506.                  @html,
  1507.                  "\n",
  1508.                  $indent x $depth,
  1509.                  $node->starttag($entities),
  1510.                ;
  1511.              } else {
  1512.                push(@html, $node->starttag($entities));
  1513.              }
  1514.              $last_tag_tightenable = $this_tag_tightenable;
  1515.  
  1516.              ++$nonindentable_ancestors
  1517.                if $tag eq 'pre' or $HTML::Tagset::isCDATA_Parent{$tag};             ;
  1518.  
  1519.            } elsif (not($empty_element_map->{$tag} or $omissible_map->{$tag})) {
  1520.              # on the way out
  1521.              if($tag eq 'pre' or $HTML::Tagset::isCDATA_Parent{$tag}) {
  1522.                --$nonindentable_ancestors;
  1523.                $last_tag_tightenable = $HTML::Element::canTighten{$tag};
  1524.                push @html, $node->endtag;
  1525.  
  1526.              } else { # general case
  1527.                if(
  1528.                   ($this_tag_tightenable = $HTML::Element::canTighten{$tag})
  1529.                   and !$nonindentable_ancestors
  1530.                   and $last_tag_tightenable
  1531.                ) {
  1532.                  push
  1533.                    @html,
  1534.                    "\n",
  1535.                    $indent x $depth,
  1536.                    $node->endtag,
  1537.                  ;
  1538.                } else {
  1539.                  push @html, $node->endtag;
  1540.                }
  1541.                $last_tag_tightenable = $this_tag_tightenable;
  1542.                #print "$tag tightenable: $this_tag_tightenable\n";
  1543.              }
  1544.            }
  1545.         } else {  # it's a text segment
  1546.  
  1547.           $last_tag_tightenable = 0;  # I guess this is right
  1548.           HTML::Entities::encode_entities($node, $entities)
  1549.             # That does magic things if $entities is undef.
  1550.            unless ( 
  1551.         (defined($entities) && !length($entities))
  1552.                 # If there's no entity to encode, don't call it
  1553.         || $HTML::Tagset::isCDATA_Parent{ $_[3]{'_tag'} }
  1554.                 # To keep from amp-escaping children of script et al.
  1555.                 # That doesn't deal with descendants; but then, CDATA
  1556.                 #  parents shouldn't /have/ descendants other than a
  1557.                 #  text children (or comments?)
  1558.         );
  1559.           if($nonindentable_ancestors) {
  1560.             push @html, $node; # say no go
  1561.           } else {
  1562.             if($last_tag_tightenable) {
  1563.               $node =~ s<[\n\r\f\t ]+>< >s;
  1564.               #$node =~ s< $><>s;
  1565.               $node =~ s<^ ><>s;
  1566.               push
  1567.                 @html,
  1568.                 "\n",
  1569.                 $indent x $depth,
  1570.                 $node,
  1571.                 #Text::Wrap::wrap($indent x $depth, $indent x $depth, "\n" . $node)
  1572.               ;
  1573.             } else {
  1574.               push
  1575.                 @html,
  1576.                 $node,
  1577.                 #Text::Wrap::wrap('', $indent x $depth, $node)
  1578.               ;
  1579.             }
  1580.           }
  1581.         }
  1582.         1; # keep traversing
  1583.       }
  1584.     ); # End of parms to traverse()
  1585.   } else { # no indenting -- much simpler code
  1586.     $self->traverse(
  1587.       sub {
  1588.           ($node, $start) = @_;
  1589.           if(ref $node) {
  1590.             $tag = $node->{'_tag'};
  1591.             if($start) { # on the way in
  1592.               push(@html, $node->starttag($entities));
  1593.             } elsif (not($empty_element_map->{$tag} or $omissible_map->{$tag})) {
  1594.               # on the way out
  1595.               push(@html, $node->endtag);
  1596.             }
  1597.           } else {
  1598.             # simple text content
  1599.             HTML::Entities::encode_entities($node, $entities)
  1600.               # That does magic things if $entities is undef.
  1601.              unless ( 
  1602.           (defined($entities) && !length($entities))
  1603.                   # If there's no entity to encode, don't call it
  1604.           || $HTML::Tagset::isCDATA_Parent{ $_[3]{'_tag'} }
  1605.                   # To keep from amp-escaping children of script et al.
  1606.                   # That doesn't deal with descendants; but then, CDATA
  1607.                   #  parents shouldn't /have/ descendants other than a
  1608.                   #  text children (or comments?)
  1609.           );
  1610.             push(@html, $node);
  1611.           }
  1612.          1; # keep traversing
  1613.         }
  1614.     ); # End of parms to traverse()
  1615.   }
  1616.  
  1617.   if ( $self->{_store_declarations} && defined $self->{_decl} ) {
  1618.     unshift @html, sprintf "<!%s>\n", $self->{_decl}->{text} ;
  1619.   }
  1620.  
  1621.  
  1622.   return join('', @html, "\n");
  1623. }
  1624.  
  1625.  
  1626. =head2 $h->as_text()
  1627.  
  1628. =head2 $h->as_text(skip_dels => 1)
  1629.  
  1630. Returns a string consisting of only the text parts of the element's
  1631. descendants.
  1632.  
  1633. Text under 'script' or 'style' elements is never included in what's
  1634. returned.  If C<skip_dels> is true, then text content under "del"
  1635. nodes is not included in what's returned.
  1636.  
  1637. =head2 $h->as_trimmed_text(...)
  1638.  
  1639. This is just like as_text(...) except that leading and trailing
  1640. whitespace is deleted, and any internal whitespace is collapsed.
  1641.  
  1642. =cut
  1643.  
  1644. sub as_text {
  1645.   # Yet another iteratively implemented traverser
  1646.   my($this,%options) = @_;
  1647.   my $skip_dels = $options{'skip_dels'} || 0;
  1648.   my(@pile) = ($this);
  1649.   my $tag;
  1650.   my $text = '';
  1651.   while(@pile) {
  1652.     if(!defined($pile[0])) { # undef!
  1653.       # no-op
  1654.     } elsif(!ref($pile[0])) { # text bit!  save it!
  1655.       $text .= shift @pile;
  1656.     } else { # it's a ref -- traverse under it
  1657.       unshift @pile, @{$this->{'_content'} || $nillio}
  1658.         unless
  1659.           ($tag = ($this = shift @pile)->{'_tag'}) eq 'style'
  1660.           or $tag eq 'script'
  1661.           or ($skip_dels and $tag eq 'del');
  1662.     }
  1663.   }
  1664.   return $text;
  1665. }
  1666.  
  1667. sub as_trimmed_text {
  1668.   my $text = shift->as_text(@_);
  1669.   $text =~ s/[\n\r\f\t ]+$//s;
  1670.   $text =~ s/^[\n\r\f\t ]+//s;
  1671.   $text =~ s/[\n\r\f\t ]+/ /g;
  1672.   return $text;
  1673. }
  1674.  
  1675. sub as_text_trimmed { shift->as_trimmed_text(@_) } # alias, because I forget
  1676.  
  1677. =head2 $h->as_XML()
  1678.  
  1679. Returns a string representing in XML the element and its descendants.
  1680.  
  1681. The XML is not indented.
  1682.  
  1683. =cut
  1684.  
  1685. # TODO: make it wrap, if not indent?
  1686.  
  1687. sub as_XML {
  1688.   # based an as_HTML
  1689.   my($self) = @_;
  1690.   #my $indent_on = defined($indent) && length($indent);
  1691.   my @xml = ();
  1692.   my $empty_element_map = $self->_empty_element_map;
  1693.  
  1694.   my($tag, $node, $start); # per-iteration scratch
  1695.   $self->traverse(
  1696.     sub {
  1697.         ($node, $start) = @_;
  1698.         if(ref $node) { # it's an element
  1699.           $tag = $node->{'_tag'};
  1700.           if($start) { # on the way in
  1701.             if($empty_element_map->{$tag}
  1702.                and !@{$node->{'_content'} || $nillio}
  1703.             ) {
  1704.               push(@xml, $node->starttag_XML(undef,1));
  1705.             } else {
  1706.               push(@xml, $node->starttag_XML(undef));
  1707.             }
  1708.           } else { # on the way out
  1709.             unless($empty_element_map->{$tag}
  1710.                    and !@{$node->{'_content'} || $nillio}
  1711.             ) {
  1712.               push(@xml, $node->endtag_XML());
  1713.             } # otherwise it will have been an <... /> tag.
  1714.           }
  1715.         } else { # it's just text
  1716.           _xml_escape($node);
  1717.           push(@xml, $node);
  1718.         }
  1719.        1; # keep traversing
  1720.       }
  1721.   );
  1722.  
  1723.   join('', @xml, "\n");
  1724. }
  1725.  
  1726.  
  1727. sub _xml_escape {  # DESTRUCTIVE (a.k.a. "in-place")
  1728.   # Five required escapes: http://www.w3.org/TR/2006/REC-xml11-20060816/#syntax
  1729.   # We allow & if it's part of a valid escape already: http://www.w3.org/TR/2006/REC-xml11-20060816/#sec-references
  1730.   foreach my $x (@_) {
  1731.     $x =~ s/(              # Escape...
  1732.         < |        # Less than, or
  1733.         > |         # Greater than, or
  1734.         ' |         # Single quote, or 
  1735.         " |         # Double quote, or
  1736.         &(?!        # An ampersand that isn't followed by...
  1737.           (\#\d+; |         # A hash mark, digits and semicolon, or
  1738.            \#x[\da-f]+; |     # A hash mark, "x", hex digits and semicolon, or
  1739.            [A-Za-z0-9]+; ))    # alphanums (not underscore, hence not \w) and a semicolon
  1740.          )/'&#'.ord($1).";"/sgex;  # And replace them with their XML digit counterpart 
  1741.   }
  1742.   return;
  1743. }
  1744.  
  1745. =head2 $h->as_Lisp_form()
  1746.  
  1747. Returns a string representing the element and its descendants as a
  1748. Lisp form.  Unsafe characters are encoded as octal escapes.
  1749.  
  1750. The Lisp form is indented, and contains external ("href", etc.)  as
  1751. well as internal attributes ("_tag", "_content", "_implicit", etc.),
  1752. except for "_parent", which is omitted.
  1753.  
  1754. Current example output for a given element:
  1755.  
  1756.   ("_tag" "img" "border" "0" "src" "pie.png" "usemap" "#main.map")
  1757.  
  1758. =cut
  1759.  
  1760. # NOTES:
  1761. #
  1762. # It's been suggested that attribute names be made :-keywords:
  1763. #   (:_tag "img" :border 0 :src "pie.png" :usemap "#main.map")
  1764. # However, it seems that Scheme has no such data type as :-keywords.
  1765. # So, for the moment at least, I tend toward simplicity, uniformity,
  1766. #  and universality, where everything a string or a list.
  1767.  
  1768. sub as_Lisp_form {
  1769.   my @out;
  1770.  
  1771.   my $sub;
  1772.   my $depth = 0;
  1773.   my(@list, $val);
  1774.   $sub = sub {  # Recursor
  1775.     my $self = $_[0];
  1776.     @list = ('_tag', $self->{'_tag'});
  1777.     @list = () unless defined $list[-1]; # unlikely
  1778.  
  1779.     for (sort keys %$self) { # predictable ordering
  1780.       next if $_ eq '_content' or $_ eq '_tag' or $_ eq '_parent' or $_ eq '/';
  1781.        # Leave the other private attributes, I guess.
  1782.       push @list, $_, $val if defined($val = $self->{$_}); # and !ref $val;
  1783.     }
  1784.  
  1785.     for (@list) {
  1786.         # octal-escape it
  1787.         s<([^\x20\x21\x23\x27-\x5B\x5D-\x7E])>
  1788.          <sprintf('\\%03o',ord($1))>eg;
  1789.         $_ = qq{"$_"};
  1790.     }
  1791.     push @out, ('  ' x $depth) . '(' . join ' ', splice @list;
  1792.     if(@{$self->{'_content'} || $nillio}) {
  1793.       $out[-1] .= " \"_content\" (\n";
  1794.       ++$depth;
  1795.       foreach my $c (@{$self->{'_content'}}) {
  1796.         if(ref($c)) {
  1797.           # an element -- recurse
  1798.           $sub->($c);
  1799.         } else {
  1800.           # a text segment -- stick it in and octal-escape it
  1801.           push @out, $c;
  1802.           $out[-1] =~
  1803.             s<([^\x20\x21\x23\x27-\x5B\x5D-\x7E])>
  1804.              <sprintf('\\%03o',ord($1))>eg;
  1805.           # And quote and indent it.
  1806.           $out[-1] .= "\"\n";
  1807.           $out[-1] = ('  ' x $depth) . '"' . $out[-1];
  1808.         }
  1809.       }
  1810.       --$depth;
  1811.       substr($out[-1],-1) = "))\n"; # end of _content and of the element
  1812.     } else {
  1813.       $out[-1] .= ")\n";
  1814.     }
  1815.     return;
  1816.   };
  1817.  
  1818.   $sub->($_[0]);
  1819.   undef $sub;
  1820.   return join '', @out;
  1821. }
  1822.  
  1823.  
  1824. sub format {
  1825.     my($self, $formatter) = @_;
  1826.     unless (defined $formatter) {
  1827.         require HTML::FormatText;
  1828.         $formatter = HTML::FormatText->new();
  1829.     }
  1830.     $formatter->format($self);
  1831. }
  1832.  
  1833.  
  1834.  
  1835. =head2 $h->starttag() or $h->starttag($entities)
  1836.  
  1837. Returns a string representing the complete start tag for the element.
  1838. I.e., leading "<", tag name, attributes, and trailing ">".
  1839. All values are surrounded with
  1840. double-quotes, and appropriate characters are encoded.  If C<$entities>
  1841. is omitted or undef, I<all> unsafe characters are encoded as HTML
  1842. entities.  See L<HTML::Entities> for details.  If you specify some
  1843. value for C<$entities>, remember to include the double-quote character in
  1844. it.  (Previous versions of this module would basically behave as if
  1845. C<'&"E<gt>'> were specified for C<$entities>.)  If C<$entities> is
  1846. an empty string, no entity is escaped.
  1847.  
  1848. =cut
  1849.  
  1850. sub starttag {
  1851.     my($self, $entities) = @_;
  1852.  
  1853.     my $name = $self->{'_tag'};
  1854.  
  1855.     return        $self->{'text'}        if $name eq '~literal';
  1856.     return "<!" . $self->{'text'} . ">"  if $name eq '~declaration';
  1857.     return "<?" . $self->{'text'} . ">"  if $name eq '~pi';
  1858.  
  1859.     if($name eq '~comment') {
  1860.       if(ref($self->{'text'} || '') eq 'ARRAY') {
  1861.         # Does this ever get used?  And is this right?
  1862.         return 
  1863.           "<!" .
  1864.           join(' ', map("--$_--", @{$self->{'text'}}))
  1865.           .  ">"
  1866.        ;
  1867.       } else {
  1868.         return "<!--" . $self->{'text'} . "-->"
  1869.       }
  1870.     }
  1871.  
  1872.     my $tag = $html_uc ? "<\U$name" : "<\L$name";
  1873.     my $val;
  1874.     for (sort keys %$self) { # predictable ordering
  1875.         next if !length $_ or m/^_/s or $_ eq '/';
  1876.         $val = $self->{$_};
  1877.         next if !defined $val; # or ref $val;
  1878.         if ($_ eq $val &&   # if attribute is boolean, for this element
  1879.             exists($HTML::Element::boolean_attr{$name}) &&
  1880.             (ref($HTML::Element::boolean_attr{$name})
  1881.               ? $HTML::Element::boolean_attr{$name}{$_}
  1882.               : $HTML::Element::boolean_attr{$name} eq $_)
  1883.         ) {
  1884.             $tag .= $html_uc ? " \U$_" : " \L$_";
  1885.         }
  1886.         else { # non-boolean attribute
  1887.  
  1888.           if (ref $val eq 'HTML::Element' and
  1889.                   $val->{_tag} eq '~literal') {
  1890.             $val = $val->{text};
  1891.           }
  1892.           else {
  1893.             HTML::Entities::encode_entities($val, $entities) unless (defined($entities) && !length($entities));
  1894.           }
  1895.  
  1896.           $val = qq{"$val"};
  1897.           $tag .= $html_uc ? qq{ \U$_\E=$val} : qq{ \L$_\E=$val};
  1898.         }
  1899.     } # for keys
  1900.     if ( scalar $self->content_list == 0 && $self->_empty_element_map->{ $self->tag } ) {
  1901.         return $tag . " />";
  1902.     }
  1903.     else {
  1904.         return $tag . ">";
  1905.     }
  1906. }
  1907.  
  1908.  
  1909. sub starttag_XML {
  1910.     my($self) = @_;
  1911.      # and a third parameter to signal emptiness?
  1912.  
  1913.     my $name = $self->{'_tag'};
  1914.  
  1915.     return        $self->{'text'}        if $name eq '~literal';
  1916.     return '<!' . $self->{'text'}. '>'   if $name eq '~declaration';
  1917.     return "<?" . $self->{'text'} . "?>" if $name eq '~pi';
  1918.  
  1919.     if($name eq '~comment') {
  1920.       if(ref($self->{'text'} || '') eq 'ARRAY') {
  1921.         # Does this ever get used?  And is this right?
  1922.         $name = join(' ', @{$self->{'text'}});
  1923.       } else {
  1924.         $name = $self->{'text'};
  1925.       }
  1926.       $name =~ s/--/--/g; # can't have double --'s in XML comments
  1927.       return "<!-- $name -->";
  1928.     }
  1929.  
  1930.     my $tag = "<$name";
  1931.     my $val;
  1932.     for (sort keys %$self) { # predictable ordering
  1933.         next if !length $_ or  m/^_/s or $_ eq '/';
  1934.         # Hm -- what to do if val is undef?
  1935.         # I suppose that shouldn't ever happen.
  1936.         next if !defined($val = $self->{$_}); # or ref $val;
  1937.         _xml_escape($val);
  1938.         $tag .= qq{ $_="$val"};
  1939.     }
  1940.     @_ == 3 ? "$tag />" : "$tag>";
  1941. }
  1942.  
  1943.  
  1944.  
  1945. =head2 $h->endtag()
  1946.  
  1947. Returns a string representing the complete end tag for this element.
  1948. I.e., "</", tag name, and ">".
  1949.  
  1950. =cut
  1951.  
  1952. sub endtag {
  1953.     $html_uc ? "</\U$_[0]->{'_tag'}>" : "</\L$_[0]->{'_tag'}>";
  1954. }
  1955.  
  1956. # TODO: document?
  1957. sub endtag_XML {
  1958.     "</$_[0]->{'_tag'}>";
  1959. }
  1960.  
  1961.  
  1962. #==========================================================================
  1963. # This, ladies and germs, is an iterative implementation of a
  1964. # recursive algorithm.  DON'T TRY THIS AT HOME.
  1965. # Basically, the algorithm says:
  1966. #
  1967. # To traverse:
  1968. #   1: pre-order visit this node
  1969. #   2: traverse any children of this node
  1970. #   3: post-order visit this node, unless it's a text segment,
  1971. #       or a prototypically empty node (like "br", etc.)
  1972. # Add to that the consideration of the callbacks' return values,
  1973. # so you can block visitation of the children, or siblings, or
  1974. # abort the whole excursion, etc.
  1975. #
  1976. # So, why all this hassle with making the code iterative?
  1977. # It makes for real speed, because it eliminates the whole
  1978. # hassle of Perl having to allocate scratch space for each
  1979. # instance of the recursive sub.  Since the algorithm
  1980. # is basically simple (and not all recursive ones are!) and
  1981. # has few necessary lexicals (basically just the current node's
  1982. # content list, and the current position in it), it was relatively
  1983. # straightforward to store that information not as the frame
  1984. # of a sub, but as a stack, i.e., a simple Perl array (well, two
  1985. # of them, actually: one for content-listrefs, one for indexes of
  1986. # current position in each of those).
  1987.  
  1988. my $NIL = [];
  1989. sub traverse {
  1990.   my($start, $callback, $ignore_text) = @_;
  1991.  
  1992.   Carp::croak "traverse can be called only as an object method"
  1993.    unless ref $start;
  1994.  
  1995.   Carp::croak('must provide a callback for traverse()!')
  1996.    unless defined $callback and ref $callback;
  1997.  
  1998.   # Elementary type-checking:
  1999.   my($c_pre, $c_post);
  2000.   if(UNIVERSAL::isa($callback, 'CODE')) {
  2001.     $c_pre = $c_post = $callback;
  2002.   } elsif(UNIVERSAL::isa($callback,'ARRAY')) {
  2003.     ($c_pre, $c_post) = @$callback;
  2004.     Carp::croak("pre-order callback \"$c_pre\" is true but not a coderef!")
  2005.      if $c_pre and not UNIVERSAL::isa($c_pre, 'CODE');
  2006.     Carp::croak("pre-order callback \"$c_post\" is true but not a coderef!")
  2007.      if $c_post and not UNIVERSAL::isa($c_post, 'CODE');
  2008.     return $start unless $c_pre or $c_post;
  2009.      # otherwise there'd be nothing to actually do!
  2010.   } else {
  2011.     Carp::croak("$callback is not a known kind of reference")
  2012.      unless ref($callback);
  2013.   }
  2014.  
  2015.   my $empty_element_map = $start->_empty_element_map;
  2016.  
  2017.   my(@C) = [$start]; # a stack containing lists of children
  2018.   my(@I) = (-1); # initial value must be -1 for each list
  2019.     # a stack of indexes to current position in corresponding lists in @C
  2020.   # In each of these, 0 is the active point
  2021.  
  2022.   # scratch:
  2023.   my(
  2024.     $rv,   # return value of callback
  2025.     $this, # current node
  2026.     $content_r, # child list of $this
  2027.   );
  2028.  
  2029.   # THE BIG LOOP
  2030.   while(@C) {
  2031.     # Move to next item in this frame
  2032.     if(!defined($I[0]) or ++$I[0] >= @{$C[0]}) {
  2033.       # We either went off the end of this list, or aborted the list
  2034.       # So call the post-order callback:
  2035.       if($c_post
  2036.          and defined $I[0]
  2037.          and @C > 1
  2038.           # to keep the next line from autovivifying
  2039.          and defined($this = $C[1][ $I[1] ]) # sanity, and
  2040.           # suppress callbacks on exiting the fictional top frame
  2041.          and ref($this) # sanity
  2042.          and not(
  2043.                  $this->{'_empty_element'}
  2044.                  || $empty_element_map->{$this->{'_tag'} || ''}
  2045.                 ) # things that don't get post-order callbacks
  2046.       ) {
  2047.         shift @I;
  2048.         shift @C;
  2049.         #print "Post! at depth", scalar(@I), "\n";
  2050.         $rv = $c_post->(
  2051.            #map $_, # copy to avoid any messiness
  2052.            $this,           # 0: this
  2053.            0,               # 1: startflag (0 for post-order call)
  2054.            @I - 1,          # 2: depth
  2055.         );
  2056.  
  2057.         if(defined($rv) and ref($rv) eq $travsignal_package) {
  2058.           $rv = $$rv; #deref
  2059.           if($rv eq 'ABORT') {
  2060.             last; # end of this excursion!
  2061.           } elsif($rv eq 'PRUNE') {
  2062.             # NOOP on post!!
  2063.           } elsif($rv eq 'PRUNE_SOFTLY') {
  2064.             # NOOP on post!!
  2065.           } elsif($rv eq 'OK') {
  2066.             # noop
  2067.           } elsif($rv eq 'PRUNE_UP') {
  2068.             $I[0] = undef;
  2069.           } else {
  2070.             die "Unknown travsignal $rv\n";
  2071.             # should never happen
  2072.           }
  2073.         }
  2074.       }
  2075.       else {
  2076.         shift @I;
  2077.         shift @C;
  2078.       }
  2079.       next;
  2080.     }
  2081.  
  2082.     $this = $C[0][ $I[0] ];
  2083.  
  2084.     if($c_pre) {
  2085.       if(defined $this and ref $this) { # element
  2086.         $rv = $c_pre->(
  2087.            #map $_, # copy to avoid any messiness
  2088.            $this,           # 0: this
  2089.            1,               # 1: startflag (1 for pre-order call)
  2090.            @I - 1,          # 2: depth
  2091.         );
  2092.       } else { # text segment
  2093.         next if $ignore_text;
  2094.         $rv = $c_pre->(
  2095.            #map $_, # copy to avoid any messiness
  2096.            $this,           # 0: this
  2097.            1,               # 1: startflag (1 for pre-order call)
  2098.            @I - 1,          # 2: depth
  2099.            $C[1][ $I[1] ],  # 3: parent
  2100.                # And there will always be a $C[1], since
  2101.                #  we can't start traversing at a text node
  2102.            $I[0]            # 4: index of self in parent's content list
  2103.         );
  2104.       }
  2105.       if(not $rv) { # returned false.  Same as PRUNE.
  2106.         next; # prune
  2107.       } elsif(ref($rv) eq $travsignal_package) {
  2108.         $rv = $$rv; # deref
  2109.         if($rv eq 'ABORT') {
  2110.           last; # end of this excursion!
  2111.         } elsif($rv eq 'PRUNE') {
  2112.           next;
  2113.         } elsif($rv eq 'PRUNE_SOFTLY') {
  2114.           if(ref($this)
  2115.              and
  2116.              not($this->{'_empty_element'}
  2117.                  || $empty_element_map->{$this->{'_tag'} || ''})
  2118.           ) {
  2119.             # push a dummy empty content list just to trigger a post callback
  2120.             unshift @I, -1;
  2121.             unshift @C, $NIL;
  2122.           }
  2123.           next;
  2124.         } elsif($rv eq 'OK') {
  2125.           # noop
  2126.         } elsif($rv eq 'PRUNE_UP') {
  2127.           $I[0] = undef;
  2128.           next;
  2129.  
  2130.           # equivalent of last'ing out of the current child list.
  2131.  
  2132.         # Used to have PRUNE_UP_SOFTLY and ABORT_SOFTLY here, but the code
  2133.         # for these was seriously upsetting, served no particularly clear
  2134.         # purpose, and could not, I think, be easily implemented with a
  2135.         # recursive routine.  All bad things!
  2136.         } else {
  2137.           die "Unknown travsignal $rv\n";
  2138.           # should never happen
  2139.         }
  2140.       }
  2141.       # else fall thru to meaning same as \'OK'.
  2142.     }
  2143.     # end of pre-order calling
  2144.  
  2145.     # Now queue up content list for the current element...
  2146.     if(ref $this
  2147.        and
  2148.        not( # ...except for those which...
  2149.          not($content_r = $this->{'_content'} and @$content_r)
  2150.             # ...have empty content lists...
  2151.          and $this->{'_empty_element'} || $empty_element_map->{$this->{'_tag'} || ''}
  2152.             # ...and that don't get post-order callbacks
  2153.        )
  2154.     ) {
  2155.       unshift @I, -1;
  2156.       unshift @C, $content_r || $NIL;
  2157.       #print $this->{'_tag'}, " ($this) adds content_r ", $C[0], "\n";
  2158.     }
  2159.   }
  2160.   return $start;
  2161. }
  2162.  
  2163.  
  2164. =head1 SECONDARY STRUCTURAL METHODS
  2165.  
  2166. These methods all involve some structural aspect of the tree;
  2167. either they report some aspect of the tree's structure, or they involve
  2168. traversal down the tree, or walking up the tree.
  2169.  
  2170. =head2 $h->is_inside('tag', ...) or $h->is_inside($element, ...)
  2171.  
  2172. Returns true if the $h element is, or is contained anywhere inside an
  2173. element that is any of the ones listed, or whose tag name is any of
  2174. the tag names listed.
  2175.  
  2176. =cut
  2177.  
  2178. sub is_inside {
  2179.   my $self = shift;
  2180.   return undef unless @_; # if no items specified, I guess this is right.
  2181.  
  2182.   my $current = $self;
  2183.       # the loop starts by looking at the given element
  2184.   while (defined $current and ref $current) {
  2185.     for (@_) {
  2186.       if(ref) { # element
  2187.         return 1 if $_ eq $current;
  2188.       } else { # tag name
  2189.         return 1 if $_ eq $current->{'_tag'};
  2190.       }
  2191.     }
  2192.     $current = $current->{'_parent'};
  2193.   }
  2194.   0;
  2195. }
  2196.  
  2197. =head2 $h->is_empty()
  2198.  
  2199. Returns true if $h has no content, i.e., has no elements or text
  2200. segments under it.  In other words, this returns true if $h is a leaf
  2201. node, AKA a terminal node.  Do not confuse this sense of "empty" with
  2202. another sense that it can have in SGML/HTML/XML terminology, which
  2203. means that the element in question is of the type (like HTML's "hr",
  2204. "br", "img", etc.) that I<can't> have any content.
  2205.  
  2206. That is, a particular "p" element may happen to have no content, so
  2207. $that_p_element->is_empty will be true -- even though the prototypical
  2208. "p" element isn't "empty" (not in the way that the prototypical "hr"
  2209. element is).
  2210.  
  2211. If you think this might make for potentially confusing code, consider
  2212. simply using the clearer exact equivalent:  not($h->content_list)
  2213.  
  2214. =cut
  2215.  
  2216. sub is_empty {
  2217.   my $self = shift;
  2218.   !$self->{'_content'} || !@{$self->{'_content'}};
  2219. }
  2220.  
  2221.  
  2222. =head2 $h->pindex()
  2223.  
  2224. Return the index of the element in its parent's contents array, such
  2225. that $h would equal
  2226.  
  2227.   $h->parent->content->[$h->pindex]
  2228.   or
  2229.   ($h->parent->content_list)[$h->pindex]
  2230.  
  2231. assuming $h isn't root.  If the element $h is root, then
  2232. $h->pindex returns undef.
  2233.  
  2234. =cut
  2235.  
  2236. sub pindex {
  2237.   my $self = shift;
  2238.  
  2239.   my $parent = $self->{'_parent'} || return undef;
  2240.   my $pc =  $parent->{'_content'} || return undef;
  2241.   for(my $i = 0; $i < @$pc; ++$i) {
  2242.     return $i  if  ref $pc->[$i] and $pc->[$i] eq $self;
  2243.   }
  2244.   return undef; # we shouldn't ever get here
  2245. }
  2246.  
  2247. #--------------------------------------------------------------------------
  2248.  
  2249. =head2 $h->left()
  2250.  
  2251. In scalar context: returns the node that's the immediate left sibling
  2252. of $h.  If $h is the leftmost (or only) child of its parent (or has no
  2253. parent), then this returns undef.
  2254.  
  2255. In list context: returns all the nodes that're the left siblings of $h
  2256. (starting with the leftmost).  If $h is the leftmost (or only) child
  2257. of its parent (or has no parent), then this returns empty-list.
  2258.  
  2259. (See also $h->preinsert(LIST).)
  2260.  
  2261. =cut
  2262.  
  2263. sub left {
  2264.   Carp::croak "left() is supposed to be an object method"
  2265.    unless ref $_[0];
  2266.   my $pc =
  2267.     (
  2268.      $_[0]->{'_parent'} || return
  2269.     )->{'_content'} || die "parent is childless?";
  2270.  
  2271.   die "parent is childless" unless @$pc;
  2272.   return if @$pc == 1; # I'm an only child
  2273.  
  2274.   if(wantarray) {
  2275.     my @out;
  2276.     foreach my $j (@$pc) {
  2277.       return @out if ref $j and $j eq $_[0];
  2278.       push @out, $j;
  2279.     }
  2280.   } else {
  2281.     for(my $i = 0; $i < @$pc; ++$i) {
  2282.       return $i ? $pc->[$i - 1] : undef
  2283.        if ref $pc->[$i] and $pc->[$i] eq $_[0];
  2284.     }
  2285.   }
  2286.  
  2287.   die "I'm not in my parent's content list?";
  2288.   return;
  2289. }
  2290.  
  2291. =head2 $h->right()
  2292.  
  2293. In scalar context: returns the node that's the immediate right sibling
  2294. of $h.  If $h is the rightmost (or only) child of its parent (or has
  2295. no parent), then this returns undef.
  2296.  
  2297. In list context: returns all the nodes that're the right siblings of
  2298. $h, starting with the leftmost.  If $h is the rightmost (or only) child
  2299. of its parent (or has no parent), then this returns empty-list.
  2300.  
  2301. (See also $h->postinsert(LIST).)
  2302.  
  2303. =cut
  2304.  
  2305. sub right {
  2306.   Carp::croak "right() is supposed to be an object method"
  2307.    unless ref $_[0];
  2308.   my $pc =
  2309.     (
  2310.      $_[0]->{'_parent'} || return
  2311.     )->{'_content'} || die "parent is childless?";
  2312.  
  2313.   die "parent is childless" unless @$pc;
  2314.   return if @$pc == 1; # I'm an only child
  2315.  
  2316.   if(wantarray) {
  2317.     my(@out, $seen);
  2318.     foreach my $j (@$pc) {
  2319.       if($seen) {
  2320.         push @out, $j;
  2321.       } else {
  2322.         $seen = 1 if ref $j and $j eq $_[0];
  2323.       }
  2324.     }
  2325.     die "I'm not in my parent's content list?" unless $seen;
  2326.     return @out;
  2327.   } else {
  2328.     for(my $i = 0; $i < @$pc; ++$i) {
  2329.       return +($i == $#$pc) ? undef : $pc->[$i+1]
  2330.        if ref $pc->[$i] and $pc->[$i] eq $_[0];
  2331.     }
  2332.     die "I'm not in my parent's content list?";
  2333.     return;
  2334.   }
  2335. }
  2336.  
  2337. #--------------------------------------------------------------------------
  2338.  
  2339. =head2 $h->address()
  2340.  
  2341. Returns a string representing the location of this node in the tree.
  2342. The address consists of numbers joined by a '.', starting with '0',
  2343. and followed by the pindexes of the nodes in the tree that are
  2344. ancestors of $h, starting from the top.
  2345.  
  2346. So if the way to get to a node starting at the root is to go to child
  2347. 2 of the root, then child 10 of that, and then child 0 of that, and
  2348. then you're there -- then that node's address is "0.2.10.0".
  2349.  
  2350. As a bit of a special case, the address of the root is simply "0".
  2351.  
  2352. I forsee this being used mainly for debugging, but you may
  2353. find your own uses for it.
  2354.  
  2355. =head2 $h->address($address)
  2356.  
  2357. This returns the node (whether element or text-segment) at
  2358. the given address in the tree that $h is a part of.  (That is,
  2359. the address is resolved starting from $h->root.)
  2360.  
  2361. If there is no node at the given address, this returns undef.
  2362.  
  2363. You can specify "relative addressing" (i.e., that indexing is supposed
  2364. to start from $h and not from $h->root) by having the address start
  2365. with a period -- e.g., $h->address(".3.2") will look at child 3 of $h,
  2366. and child 2 of that.
  2367.  
  2368. =cut
  2369.  
  2370. sub address {
  2371.   if(@_ == 1) { # report-address form
  2372.     return
  2373.       join('.',
  2374.         reverse( # so it starts at the top
  2375.           map($_->pindex() || '0', # so that root's undef -> '0'
  2376.             $_[0], # self and...
  2377.             $_[0]->lineage
  2378.           )
  2379.         )
  2380.       )
  2381.     ;
  2382.   } else { # get-node-at-address
  2383.     my @stack = split(/\./, $_[1]);
  2384.     my $here;
  2385.  
  2386.     if(@stack and !length $stack[0]) { # relative addressing
  2387.       $here = $_[0];
  2388.       shift @stack;
  2389.     } else { # absolute addressing
  2390.       return undef unless 0 == shift @stack; # to pop the initial 0-for-root
  2391.       $here = $_[0]->root;
  2392.     }
  2393.  
  2394.     while(@stack) {
  2395.       return undef
  2396.        unless
  2397.          $here->{'_content'}
  2398.          and @{$here->{'_content'}} > $stack[0];
  2399.             # make sure the index isn't too high
  2400.       $here = $here->{'_content'}[ shift @stack ];
  2401.       return undef if @stack and not ref $here;
  2402.         # we hit a text node when we expected a non-terminal element node
  2403.     }
  2404.  
  2405.     return $here;
  2406.   }
  2407. }
  2408.  
  2409.  
  2410. =head2 $h->depth()
  2411.  
  2412. Returns a number expressing C<$h>'s depth within its tree, i.e., how many
  2413. steps away it is from the root.  If C<$h> has no parent (i.e., is root),
  2414. its depth is 0.
  2415.  
  2416. =cut
  2417.  
  2418. sub depth {
  2419.   my $here = $_[0];
  2420.   my $depth = 0;
  2421.   while(defined($here = $here->{'_parent'}) and ref($here)) {
  2422.     ++$depth;
  2423.   }
  2424.   return $depth;
  2425. }
  2426.  
  2427.  
  2428. =head2 $h->root()
  2429.  
  2430. Returns the element that's the top of C<$h>'s tree.  If C<$h> is
  2431. root, this just returns C<$h>.  (If you want to test whether C<$h>
  2432. I<is> the root, instead of asking what its root is, just test
  2433. C<< not($h->parent) >>.)
  2434.  
  2435. =cut
  2436.  
  2437. sub root {
  2438.   my $here = my $root = shift;
  2439.   while(defined($here = $here->{'_parent'}) and ref($here)) {
  2440.     $root = $here;
  2441.   }
  2442.   return $root;
  2443. }
  2444.  
  2445.  
  2446. =head2 $h->lineage()
  2447.  
  2448. Returns the list of C<$h>'s ancestors, starting with its parent,
  2449. and then that parent's parent, and so on, up to the root.  If C<$h>
  2450. is root, this returns an empty list.
  2451.  
  2452. If you simply want a count of the number of elements in C<$h>'s lineage,
  2453. use $h->depth.
  2454.  
  2455. =cut
  2456.  
  2457. sub lineage {
  2458.   my $here = shift;
  2459.   my @lineage;
  2460.   while(defined($here = $here->{'_parent'}) and ref($here)) {
  2461.     push @lineage, $here;
  2462.   }
  2463.   return @lineage;
  2464. }
  2465.  
  2466.  
  2467. =head2 $h->lineage_tag_names()
  2468.  
  2469. Returns the list of the tag names of $h's ancestors, starting
  2470. with its parent, and that parent's parent, and so on, up to the
  2471. root.  If $h is root, this returns an empty list.
  2472. Example output: C<('em', 'td', 'tr', 'table', 'body', 'html')>
  2473.  
  2474. =cut
  2475.  
  2476. sub lineage_tag_names {
  2477.   my $here = my $start = shift;
  2478.   my @lineage_names;
  2479.   while(defined($here = $here->{'_parent'}) and ref($here)) {
  2480.     push @lineage_names, $here->{'_tag'};
  2481.   }
  2482.   return @lineage_names;
  2483. }
  2484.  
  2485.  
  2486. =head2 $h->descendants()
  2487.  
  2488. In list context, returns the list of all $h's descendant elements,
  2489. listed in pre-order (i.e., an element appears before its
  2490. content-elements).  Text segments DO NOT appear in the list.
  2491. In scalar context, returns a count of all such elements.
  2492.  
  2493. =head2 $h->descendents()
  2494.  
  2495. This is just an alias to the C<descendants> method.
  2496.  
  2497. =cut
  2498.  
  2499. sub descendents { shift->descendants(@_) }
  2500.  
  2501. sub descendants {
  2502.   my $start = shift;
  2503.   if(wantarray) {
  2504.     my @descendants;
  2505.     $start->traverse(
  2506.       [ # pre-order sub only
  2507.         sub {
  2508.           push(@descendants, $_[0]);
  2509.           return 1;
  2510.         },
  2511.         undef # no post
  2512.       ],
  2513.       1, # ignore text
  2514.     );
  2515.     shift @descendants; # so $self doesn't appear in the list
  2516.     return @descendants;
  2517.   } else { # just returns a scalar
  2518.     my $descendants = -1; # to offset $self being counted
  2519.     $start->traverse(
  2520.       [ # pre-order sub only
  2521.         sub {
  2522.           ++$descendants;
  2523.           return 1;
  2524.         },
  2525.         undef # no post
  2526.       ],
  2527.       1, # ignore text
  2528.     );
  2529.     return $descendants;
  2530.   }
  2531. }
  2532.  
  2533.  
  2534. =head2 $h->find_by_tag_name('tag', ...)
  2535.  
  2536. In list context, returns a list of elements at or under $h that have
  2537. any of the specified tag names.  In scalar context, returns the first
  2538. (in pre-order traversal of the tree) such element found, or undef if
  2539. none.
  2540.  
  2541. =head2 $h->find('tag', ...)
  2542.  
  2543. This is just an alias to C<find_by_tag_name>.  (There was once
  2544. going to be a whole find_* family of methods, but then look_down
  2545. filled that niche, so there turned out not to be much reason for the
  2546. verboseness of the name "find_by_tag_name".)
  2547.  
  2548. =cut
  2549.  
  2550. sub find { shift->find_by_tag_name( @_ ) }
  2551.  # yup, a handy alias
  2552.  
  2553.  
  2554. sub find_by_tag_name {
  2555.   my(@pile) = shift(@_); # start out the to-do stack for the traverser
  2556.   Carp::croak "find_by_tag_name can be called only as an object method"
  2557.    unless ref $pile[0];
  2558.   return() unless @_;
  2559.   my(@tags) = $pile[0]->_fold_case(@_);
  2560.   my(@matching, $this, $this_tag);
  2561.   while(@pile) {
  2562.     $this_tag = ($this = shift @pile)->{'_tag'};
  2563.     foreach my $t (@tags) {
  2564.       if($t eq $this_tag) {
  2565.         if(wantarray) {
  2566.           push @matching, $this;
  2567.           last;
  2568.         } else {
  2569.           return $this;
  2570.         }
  2571.       }
  2572.     }
  2573.     unshift @pile, grep ref($_), @{$this->{'_content'} || next};
  2574.   }
  2575.   return @matching if wantarray;
  2576.   return;
  2577. }
  2578.  
  2579. =head2 $h->find_by_attribute('attribute', 'value')
  2580.  
  2581. In a list context, returns a list of elements at or under $h that have
  2582. the specified attribute, and have the given value for that attribute.
  2583. In a scalar context, returns the first (in pre-order traversal of the
  2584. tree) such element found, or undef if none.
  2585.  
  2586. This method is B<deprecated> in favor of the more expressive
  2587. C<look_down> method, which new code should use instead.
  2588.  
  2589. =cut
  2590.  
  2591.  
  2592. sub find_by_attribute {
  2593.   # We could limit this to non-internal attributes, but hey.
  2594.   my($self, $attribute, $value) = @_;
  2595.   Carp::croak "Attribute must be a defined value!" unless defined $attribute;
  2596.   $attribute =  $self->_fold_case($attribute);
  2597.  
  2598.   my @matching;
  2599.   my $wantarray = wantarray;
  2600.   my $quit;
  2601.   $self->traverse(
  2602.     [ # pre-order only
  2603.       sub {
  2604.         if( exists $_[0]{$attribute}
  2605.              and $_[0]{$attribute} eq $value
  2606.         ) {
  2607.           push @matching, $_[0];
  2608.           return HTML::Element::ABORT unless $wantarray; # only take the first
  2609.         }
  2610.         1; # keep traversing
  2611.       },
  2612.       undef # no post
  2613.     ],
  2614.     1, # yes, ignore text nodes.
  2615.   );
  2616.  
  2617.   if($wantarray) {
  2618.     return @matching;
  2619.   } else {
  2620.     return undef unless @matching;
  2621.     return $matching[0];
  2622.   }
  2623. }
  2624.  
  2625. #--------------------------------------------------------------------------
  2626.  
  2627. =head2 $h->look_down( ...criteria... )
  2628.  
  2629. This starts at $h and looks thru its element descendants (in
  2630. pre-order), looking for elements matching the criteria you specify.
  2631. In list context, returns all elements that match all the given
  2632. criteria; in scalar context, returns the first such element (or undef,
  2633. if nothing matched).
  2634.  
  2635. There are three kinds of criteria you can specify:
  2636.  
  2637. =over
  2638.  
  2639. =item (attr_name, attr_value)
  2640.  
  2641. This means you're looking for an element with that value for that
  2642. attribute.  Example: C<"alt", "pix!">.  Consider that you can search
  2643. on internal attribute values too: C<"_tag", "p">.
  2644.  
  2645. =item (attr_name, qr/.../)
  2646.  
  2647. This means you're looking for an element whose value for that
  2648. attribute matches the specified Regexp object.
  2649.  
  2650. =item a coderef
  2651.  
  2652. This means you're looking for elements where coderef->(each_element)
  2653. returns true.  Example:
  2654.  
  2655.   my @wide_pix_images
  2656.     = $h->look_down(
  2657.                     "_tag", "img",
  2658.                     "alt", "pix!",
  2659.                     sub { $_[0]->attr('width') > 350 }
  2660.                    );
  2661.  
  2662. =back
  2663.  
  2664. Note that C<(attr_name, attr_value)> and C<(attr_name, qr/.../)>
  2665. criteria are almost always faster than coderef
  2666. criteria, so should presumably be put before them in your list of
  2667. criteria.  That is, in the example above, the sub ref is called only
  2668. for elements that have already passed the criteria of having a "_tag"
  2669. attribute with value "img", and an "alt" attribute with value "pix!".
  2670. If the coderef were first, it would be called on every element, and
  2671. I<then> what elements pass that criterion (i.e., elements for which
  2672. the coderef returned true) would be checked for their "_tag" and "alt"
  2673. attributes.
  2674.  
  2675. Note that comparison of string attribute-values against the string
  2676. value in C<(attr_name, attr_value)> is case-INsensitive!  A criterion
  2677. of C<('align', 'right')> I<will> match an element whose "align" value
  2678. is "RIGHT", or "right" or "rIGhT", etc.
  2679.  
  2680. Note also that C<look_down> considers "" (empty-string) and undef to
  2681. be different things, in attribute values.  So this:
  2682.  
  2683.   $h->look_down("alt", "")
  2684.  
  2685. will find elements I<with> an "alt" attribute, but where the value for
  2686. the "alt" attribute is "".  But this:
  2687.  
  2688.   $h->look_down("alt", undef)
  2689.  
  2690. is the same as:
  2691.  
  2692.   $h->look_down(sub { !defined($_[0]->attr('alt')) } )
  2693.  
  2694. That is, it finds elements that do not have an "alt" attribute at all
  2695. (or that do have an "alt" attribute, but with a value of undef --
  2696. which is not normally possible).
  2697.  
  2698. Note that when you give several criteria, this is taken to mean you're
  2699. looking for elements that match I<all> your criterion, not just I<any>
  2700. of them.  In other words, there is an implicit "and", not an "or".  So
  2701. if you wanted to express that you wanted to find elements with a
  2702. "name" attribute with the value "foo" I<or> with an "id" attribute
  2703. with the value "baz", you'd have to do it like:
  2704.  
  2705.   @them = $h->look_down(
  2706.     sub {
  2707.       # the lcs are to fold case
  2708.       lc($_[0]->attr('name')) eq 'foo'
  2709.       or lc($_[0]->attr('id')) eq 'baz'
  2710.     }
  2711.   );
  2712.  
  2713. Coderef criteria are more expressive than C<(attr_name, attr_value)>
  2714. and C<(attr_name, qr/.../)>
  2715. criteria, and all C<(attr_name, attr_value)>
  2716. and C<(attr_name, qr/.../)>
  2717. criteria could be
  2718. expressed in terms of coderefs.  However, C<(attr_name, attr_value)>
  2719. and C<(attr_name, qr/.../)>
  2720. criteria are a convenient shorthand.  (In fact, C<look_down> itself is
  2721. basically "shorthand" too, since anything you can do with C<look_down>
  2722. you could do by traversing the tree, either with the C<traverse>
  2723. method or with a routine of your own.  However, C<look_down> often
  2724. makes for very concise and clear code.)
  2725.  
  2726. =cut
  2727.  
  2728. sub look_down {
  2729.   ref($_[0]) or Carp::croak "look_down works only as an object method";
  2730.  
  2731.   my @criteria;
  2732.   for(my $i = 1; $i < @_;) {
  2733.     Carp::croak "Can't use undef as an attribute name" unless defined $_[$i];
  2734.     if(ref $_[$i]) {
  2735.       Carp::croak "A " . ref($_[$i]) . " value is not a criterion"
  2736.         unless ref $_[$i] eq 'CODE';
  2737.       push @criteria, $_[ $i++ ];
  2738.     } else {
  2739.       Carp::croak "param list to look_down ends in a key!" if $i == $#_;
  2740.       push @criteria, [ scalar($_[0]->_fold_case($_[$i])), 
  2741.                         defined($_[$i+1])
  2742.                           ? ( ( ref $_[$i+1] ? $_[$i+1] : lc( $_[$i+1] )), ref( $_[$i+1] ) )
  2743.                                                # yes, leave that LC!
  2744.                           : undef
  2745.                       ];
  2746.       $i += 2;
  2747.     }
  2748.   }
  2749.   Carp::croak "No criteria?" unless @criteria;
  2750.  
  2751.   my(@pile) = ($_[0]);
  2752.   my(@matching, $val, $this);
  2753.  Node:
  2754.   while(defined($this = shift @pile)) {
  2755.     # Yet another traverser implemented with merely iterative code.
  2756.     foreach my $c (@criteria) {
  2757.       if(ref($c) eq 'CODE') {
  2758.         next Node unless $c->($this);  # jump to the continue block
  2759.       } else { # it's an attr-value pair
  2760.         next Node  # jump to the continue block
  2761.           if # two values are unequal if:
  2762.             (defined($val = $this->{ $c->[0] }))
  2763.               ? (
  2764.                   !defined $c->[1]  # actual is def, critval is undef => fail
  2765.                      # allow regex matching
  2766.                     # allow regex matching
  2767.                   or (
  2768.                   $c->[2] eq 'Regexp'
  2769.                     ? $val !~ $c->[1]
  2770.                     : ( ref $val ne $c->[2]
  2771.                    # have unequal ref values => fail
  2772.                   or lc($val) ne lc($c->[1])
  2773.                    # have unequal lc string values => fail
  2774.                   ))
  2775.                 )
  2776.               : (defined $c->[1]) # actual is undef, critval is def => fail
  2777.       }
  2778.     }
  2779.     # We make it this far only if all the criteria passed.
  2780.     return $this unless wantarray;
  2781.     push @matching, $this;
  2782.   } continue {
  2783.     unshift @pile, grep ref($_), @{$this->{'_content'} || $nillio};
  2784.   }
  2785.   return @matching if wantarray;
  2786.   return;
  2787. }
  2788.  
  2789.  
  2790. =head2 $h->look_up( ...criteria... )
  2791.  
  2792. This is identical to $h->look_down, except that whereas $h->look_down
  2793. basically scans over the list:
  2794.  
  2795.    ($h, $h->descendants)
  2796.  
  2797. $h->look_up instead scans over the list
  2798.  
  2799.    ($h, $h->lineage)
  2800.  
  2801. So, for example, this returns all ancestors of $h (possibly including
  2802. $h itself) that are "td" elements with an "align" attribute with a
  2803. value of "right" (or "RIGHT", etc.):
  2804.  
  2805.    $h->look_up("_tag", "td", "align", "right");
  2806.  
  2807. =cut
  2808.  
  2809. sub look_up {
  2810.   ref($_[0]) or Carp::croak "look_up works only as an object method";
  2811.  
  2812.   my @criteria;
  2813.   for(my $i = 1; $i < @_;) {
  2814.     Carp::croak "Can't use undef as an attribute name" unless defined $_[$i];
  2815.     if(ref $_[$i]) {
  2816.       Carp::croak "A " . ref($_[$i]) . " value is not a criterion"
  2817.         unless ref $_[$i] eq 'CODE';
  2818.       push @criteria, $_[ $i++ ];
  2819.     } else {
  2820.       Carp::croak "param list to look_up ends in a key!" if $i == $#_;
  2821.       push @criteria, [ scalar($_[0]->_fold_case($_[$i])),
  2822.                         defined($_[$i+1])
  2823.                           ? ( ( ref $_[$i+1] ? $_[$i+1] : lc( $_[$i+1] )), ref( $_[$i+1] ) )
  2824.                           : undef  # Yes, leave that LC!
  2825.                       ];
  2826.       $i += 2;
  2827.     }
  2828.   }
  2829.   Carp::croak "No criteria?" unless @criteria;
  2830.  
  2831.   my(@matching, $val);
  2832.   my $this = $_[0];
  2833.  Node:
  2834.   while(1) {
  2835.     # You'll notice that the code here is almost the same as for look_down.
  2836.     foreach my $c (@criteria) {
  2837.       if(ref($c) eq 'CODE') {
  2838.         next Node unless $c->($this);  # jump to the continue block
  2839.       } else { # it's an attr-value pair
  2840.         next Node  # jump to the continue block
  2841.           if # two values are unequal if:
  2842.             (defined($val = $this->{ $c->[0] }))
  2843.               ? (
  2844.                   !defined $c->[1]  # actual is def, critval is undef => fail
  2845.                   or (
  2846.                   $c->[2] eq 'Regexp'
  2847.                     ? $val !~ $c->[1]
  2848.                     : ( ref $val ne $c->[2]
  2849.                    # have unequal ref values => fail
  2850.                   or lc($val) ne $c->[1]
  2851.                    # have unequal lc string values => fail
  2852.                   ))
  2853.                 )
  2854.               : (defined $c->[1]) # actual is undef, critval is def => fail
  2855.       }
  2856.     }
  2857.     # We make it this far only if all the criteria passed.
  2858.     return $this unless wantarray;
  2859.     push @matching, $this;
  2860.   } continue {
  2861.     last unless defined($this = $this->{'_parent'}) and ref $this;
  2862.   }
  2863.  
  2864.   return @matching if wantarray;
  2865.   return;
  2866. }
  2867.  
  2868. #--------------------------------------------------------------------------
  2869.  
  2870. =head2 $h->traverse(...options...)
  2871.  
  2872. Lengthy discussion of HTML::Element's unnecessary and confusing
  2873. C<traverse> method has been moved to a separate file:
  2874. L<HTML::Element::traverse>
  2875.  
  2876. =head2 $h->attr_get_i('attribute')
  2877.  
  2878. In list context, returns a list consisting of the values of the given
  2879. attribute for $self and for all its ancestors starting from $self and
  2880. working its way up.  Nodes with no such attribute are skipped.
  2881. ("attr_get_i" stands for "attribute get, with inheritance".)
  2882. In scalar context, returns the first such value, or undef if none.
  2883.  
  2884. Consider a document consisting of:
  2885.  
  2886.    <html lang='i-klingon'>
  2887.      <head><title>Pati Pata</title></head>
  2888.      <body>
  2889.        <h1 lang='la'>Stuff</h1>
  2890.        <p lang='es-MX' align='center'>
  2891.          Foo bar baz <cite>Quux</cite>.
  2892.        </p>
  2893.        <p>Hooboy.</p>
  2894.      </body>
  2895.    </html>
  2896.  
  2897. If $h is the "cite" element, $h->attr_get_i("lang") in list context
  2898. will return the list ('es-MX', 'i-klingon').  In scalar context, it
  2899. will return the value 'es-MX'.
  2900.  
  2901. If you call with multiple attribute names...
  2902.  
  2903. =head2 $h->attr_get_i('a1', 'a2', 'a3')
  2904.  
  2905. ...in list context, this will return a list consisting of
  2906. the values of these attributes which exist in $self and its ancestors.
  2907. In scalar context, this returns the first value (i.e., the value of
  2908. the first existing attribute from the first element that has
  2909. any of the attributes listed).  So, in the above example,
  2910.  
  2911.   $h->attr_get_i('lang', 'align');
  2912.  
  2913. will return:
  2914.  
  2915.    ('es-MX', 'center', 'i-klingon') # in list context
  2916.   or
  2917.    'es-MX' # in scalar context.
  2918.  
  2919. But note that this:
  2920.  
  2921.  $h->attr_get_i('align', 'lang');
  2922.  
  2923. will return:
  2924.  
  2925.    ('center', 'es-MX', 'i-klingon') # in list context
  2926.   or
  2927.    'center' # in scalar context.
  2928.  
  2929. =cut
  2930.  
  2931. sub attr_get_i {
  2932.   if(@_ > 2) {
  2933.     my $self = shift;
  2934.     Carp::croak "No attribute names can be undef!"
  2935.      if grep !defined($_), @_;
  2936.     my @attributes = $self->_fold_case(@_);
  2937.     if(wantarray) {
  2938.       my @out;
  2939.       foreach my $x ($self, $self->lineage) {
  2940.         push @out, map { exists($x->{$_}) ? $x->{$_} : () } @attributes;
  2941.       }
  2942.       return @out;
  2943.     } else {
  2944.       foreach my $x ($self, $self->lineage) {
  2945.         foreach my $attribute (@attributes) {
  2946.           return $x->{$attribute} if exists $x->{$attribute}; # found
  2947.         }
  2948.       }
  2949.       return undef; # never found
  2950.     }
  2951.   } else {
  2952.     # Single-attribute search.  Simpler, most common, so optimize
  2953.     #  for the most common case
  2954.     Carp::croak "Attribute name must be a defined value!" unless defined $_[1];
  2955.     my $self = $_[0];
  2956.     my $attribute =  $self->_fold_case($_[1]);
  2957.     if(wantarray) { # list context
  2958.       return
  2959.         map {
  2960.           exists($_->{$attribute}) ? $_->{$attribute} : ()
  2961.         } $self, $self->lineage;
  2962.       ;
  2963.     } else { # scalar context
  2964.       foreach my $x ($self, $self->lineage) {
  2965.         return $x->{$attribute} if exists $x->{$attribute}; # found
  2966.       }
  2967.       return undef; # never found
  2968.     }
  2969.   }
  2970. }
  2971.  
  2972.  
  2973. =head2 $h->tagname_map()
  2974.  
  2975. Scans across C<$h> and all its descendants, and makes a hash (a
  2976. reference to which is returned) where each entry consists of a key
  2977. that's a tag name, and a value that's a reference to a list to all
  2978. elements that have that tag name.  I.e., this method returns:
  2979.  
  2980.    {
  2981.      # Across $h and all descendants...
  2982.      'a'   => [ ...list of all 'a'   elements... ],
  2983.      'em'  => [ ...list of all 'em'  elements... ],
  2984.      'img' => [ ...list of all 'img' elements... ],
  2985.    }
  2986.  
  2987. (There are entries in the hash for only those tagnames that occur
  2988. at/under C<$h> -- so if there's no "img" elements, there'll be no
  2989. "img" entry in the hashr(ref) returned.)
  2990.  
  2991. Example usage:
  2992.  
  2993.     my $map_r = $h->tagname_map();
  2994.     my @heading_tags = sort grep m/^h\d$/s, keys %$map_r;
  2995.     if(@heading_tags) {
  2996.       print "Heading levels used: @heading_tags\n";
  2997.     } else {
  2998.       print "No headings.\n"
  2999.     }
  3000.  
  3001. =cut
  3002.  
  3003. sub tagname_map {
  3004.   my(@pile) = $_[0]; # start out the to-do stack for the traverser
  3005.   Carp::croak "find_by_tag_name can be called only as an object method"
  3006.    unless ref $pile[0];
  3007.   my(%map, $this_tag, $this);
  3008.   while(@pile) {
  3009.     $this_tag = ''
  3010.       unless defined(
  3011.        $this_tag = (
  3012.         $this = shift @pile
  3013.        )->{'_tag'}
  3014.       )
  3015.     ; # dance around the strange case of having an undef tagname.
  3016.     push @{ $map{$this_tag} ||= [] }, $this; # add to map
  3017.     unshift @pile, grep ref($_), @{$this->{'_content'} || next}; # traverse
  3018.   }
  3019.   return \%map;
  3020. }
  3021.  
  3022.  
  3023. =head2 $h->extract_links() or $h->extract_links(@wantedTypes)
  3024.  
  3025. Returns links found by traversing the element and all of its children
  3026. and looking for attributes (like "href" in an "a" element, or "src" in
  3027. an "img" element) whose values represent links.  The return value is a
  3028. I<reference> to an array.  Each element of the array is reference to
  3029. an array with I<four> items: the link-value, the element that has the
  3030. attribute with that link-value, and the name of that attribute, and
  3031. the tagname of that element.
  3032. (Example: C<['http://www.suck.com/',> I<$elem_obj> C<, 'href', 'a']>.)
  3033. You may or may not end up using the
  3034. element itself -- for some purposes, you may use only the link value.
  3035.  
  3036. You might specify that you want to extract links from just some kinds
  3037. of elements (instead of the default, which is to extract links from
  3038. I<all> the kinds of elements known to have attributes whose values
  3039. represent links).  For instance, if you want to extract links from
  3040. only "a" and "img" elements, you could code it like this:
  3041.  
  3042.   for (@{  $e->extract_links('a', 'img')  }) {
  3043.       my($link, $element, $attr, $tag) = @$_;
  3044.       print
  3045.         "Hey, there's a $tag that links to ",
  3046.         $link, ", in its $attr attribute, at ",
  3047.         $element->address(), ".\n";
  3048.   }
  3049.  
  3050. =cut
  3051.  
  3052.  
  3053. sub extract_links {
  3054.     my $start = shift;
  3055.  
  3056.     my %wantType;
  3057.     @wantType{$start->_fold_case(@_)} = (1) x @_; # if there were any
  3058.     my $wantType = scalar(@_);
  3059.  
  3060.     my @links;
  3061.  
  3062.     # TODO: add xml:link?
  3063.  
  3064.     my($link_attrs, $tag, $self, $val); # scratch for each iteration
  3065.     $start->traverse(
  3066.       [
  3067.         sub { # pre-order call only
  3068.           $self = $_[0];
  3069.  
  3070.           $tag = $self->{'_tag'};
  3071.           return 1 if $wantType && !$wantType{$tag};  # if we're selective
  3072.  
  3073.           if(defined(  $link_attrs = $HTML::Element::linkElements{$tag}  )) {
  3074.             # If this is a tag that has any link attributes,
  3075.             #  look over possibly present link attributes,
  3076.             #  saving the value, if found.
  3077.             for (ref($link_attrs) ? @$link_attrs : $link_attrs) {
  3078.               if(defined(  $val = $self->attr($_)  )) {
  3079.                 push(@links, [$val, $self, $_, $tag])
  3080.               }
  3081.             }
  3082.           }
  3083.           1; # return true, so we keep recursing
  3084.         },
  3085.         undef
  3086.       ],
  3087.       1, # ignore text nodes
  3088.     );
  3089.     \@links;
  3090. }
  3091.  
  3092.  
  3093. =head2 $h->simplify_pres
  3094.  
  3095. In text bits under PRE elements that are at/under $h, this routine
  3096. nativizes all newlines, and expands all tabs.
  3097.  
  3098. That is, if you read a file with lines delimited by C<\cm\cj>'s, the
  3099. text under PRE areas will have C<\cm\cj>'s instead of C<\n>'s. Calling
  3100. $h->nativize_pre_newlines on such a tree will turn C<\cm\cj>'s into
  3101. C<\n>'s.
  3102.  
  3103. Tabs are expanded to however many spaces it takes to get
  3104. to the next 8th column -- the usual way of expanding them.
  3105.  
  3106. =cut
  3107.  
  3108. sub simplify_pres {
  3109.   my $pre = 0;
  3110.  
  3111.   my $sub;
  3112.   my $line;
  3113.   $sub = sub {
  3114.     ++$pre if $_[0]->{'_tag'} eq 'pre';
  3115.     foreach my $it (@{ $_[0]->{'_content'} || return }) {
  3116.       if(ref $it) {
  3117.         $sub->( $it );  # recurse!
  3118.       } elsif($pre) {
  3119.         #$it =~ s/(?:(?:\cm\cj*)|(?:\cj))/\n/g;
  3120.  
  3121.         $it =
  3122.           join "\n",
  3123.           map {;
  3124.             $line = $_;
  3125.             while($line =~
  3126.              s/^([^\t]*)(\t+)/$1.(" " x ((length($2)<<3)-(length($1)&7)))/e
  3127.               # Sort of adapted from Text::Tabs -- yes, it's hardwired-in that
  3128.               # tabs are at every EIGHTH column.
  3129.             ){}
  3130.             $line;
  3131.           }
  3132.           split /(?:(?:\cm\cj*)|(?:\cj))/, $it, -1
  3133.         ;
  3134.       }
  3135.     }
  3136.     --$pre if $_[0]->{'_tag'} eq 'pre';
  3137.     return;
  3138.   };
  3139.   $sub->( $_[0] );
  3140.  
  3141.   undef $sub;
  3142.   return;
  3143.  
  3144. }
  3145.  
  3146.  
  3147.  
  3148. =head2 $h->same_as($i)
  3149.  
  3150. Returns true if $h and $i are both elements representing the same tree
  3151. of elements, each with the same tag name, with the same explicit
  3152. attributes (i.e., not counting attributes whose names start with "_"),
  3153. and with the same content (textual, comments, etc.).
  3154.  
  3155. Sameness of descendant elements is tested, recursively, with
  3156. C<$child1-E<gt>same_as($child_2)>, and sameness of text segments is tested
  3157. with C<$segment1 eq $segment2>.
  3158.  
  3159. =cut
  3160.  
  3161. sub same_as {
  3162.   die 'same_as() takes only one argument: $h->same_as($i)' unless @_ == 2;
  3163.   my($h,$i) = @_[0,1];
  3164.   die "same_as() can be called only as an object method" unless ref $h;
  3165.  
  3166.   return 0 unless defined $i and ref $i;
  3167.    # An element can't be same_as anything but another element!
  3168.    # They needn't be of the same class, tho.
  3169.  
  3170.   return 1 if $h eq $i;
  3171.    # special (if rare) case: anything is the same as... itself!
  3172.  
  3173.   # assumes that no content lists in/under $h or $i contain subsequent
  3174.   #  text segments, like: ['foo', ' bar']
  3175.  
  3176.   # compare attributes now.
  3177.   #print "Comparing tags of $h and $i...\n";
  3178.  
  3179.   return 0 unless $h->{'_tag'} eq $i->{'_tag'};
  3180.     # only significant attribute whose name starts with "_"
  3181.  
  3182.   #print "Comparing attributes of $h and $i...\n";
  3183.   # Compare attributes, but only the real ones.
  3184.   {
  3185.     # Bear in mind that the average element has very few attributes,
  3186.     #  and that element names are rather short.
  3187.     # (Values are a different story.)
  3188.  
  3189.     # XXX I would think that /^[^_]/ would be faster, at least easier to read.
  3190.     my @keys_h = sort grep {length $_ and substr($_,0,1) ne '_'} keys %$h;
  3191.     my @keys_i = sort grep {length $_ and substr($_,0,1) ne '_'} keys %$i;
  3192.  
  3193.     return 0 unless @keys_h == @keys_i;
  3194.      # different number of real attributes?  they're different.
  3195.     for(my $x = 0; $x < @keys_h; ++$x) {
  3196.       return 0 unless
  3197.        $keys_h[$x] eq $keys_i[$x] and  # same key name
  3198.        $h->{$keys_h[$x]} eq $i->{$keys_h[$x]}; # same value
  3199.        # Should this test for definedness on values?
  3200.        # People shouldn't be putting undef in attribute values, I think.
  3201.     }
  3202.   }
  3203.  
  3204.   #print "Comparing children of $h and $i...\n";
  3205.   my $hcl = $h->{'_content'} || [];
  3206.   my $icl = $i->{'_content'} || [];
  3207.  
  3208.   return 0 unless @$hcl == @$icl;
  3209.    # different numbers of children?  they're different.
  3210.  
  3211.   if(@$hcl) {
  3212.     # compare each of the children:
  3213.     for(my $x = 0; $x < @$hcl; ++$x) {
  3214.       if(ref $hcl->[$x]) {
  3215.         return 0 unless ref($icl->[$x]);
  3216.          # an element can't be the same as a text segment
  3217.         # Both elements:
  3218.         return 0 unless $hcl->[$x]->same_as($icl->[$x]);  # RECURSE!
  3219.       } else {
  3220.         return 0 if ref($icl->[$x]);
  3221.          # a text segment can't be the same as an element
  3222.         # Both text segments:
  3223.         return 0 unless $hcl->[$x] eq $icl->[$x];
  3224.       }
  3225.     }
  3226.   }
  3227.  
  3228.   return 1; # passed all the tests!
  3229. }
  3230.  
  3231.  
  3232. =head2 $h = HTML::Element->new_from_lol(ARRAYREF)
  3233.  
  3234. Resursively constructs a tree of nodes, based on the (non-cyclic)
  3235. data structure represented by ARRAYREF, where that is a reference
  3236. to an array of arrays (of arrays (of arrays (etc.))).
  3237.  
  3238. In each arrayref in that structure, different kinds of values are
  3239. treated as follows:
  3240.  
  3241. =over
  3242.  
  3243. =item * Arrayrefs
  3244.  
  3245. Arrayrefs are considered to
  3246. designate a sub-tree representing children for the node constructed
  3247. from the current arrayref.
  3248.  
  3249. =item * Hashrefs
  3250.  
  3251. Hashrefs are considered to contain
  3252. attribute-value pairs to add to the element to be constructed from
  3253. the current arrayref
  3254.  
  3255. =item * Text segments
  3256.  
  3257. Text segments at the start of any arrayref
  3258. will be considered to specify the name of the element to be
  3259. constructed from the current araryref; all other text segments will
  3260. be considered to specify text segments as children for the current
  3261. arrayref.
  3262.  
  3263. =item * Elements
  3264.  
  3265. Existing element objects are either inserted into the treelet
  3266. constructed, or clones of them are.  That is, when the lol-tree is
  3267. being traversed and elements constructed based what's in it, if
  3268. an existing element object is found, if it has no parent, then it is
  3269. added directly to the treelet constructed; but if it has a parent,
  3270. then C<$that_node-E<gt>clone> is added to the treelet at the
  3271. appropriate place.
  3272.  
  3273. =back
  3274.  
  3275. An example will hopefully make this more obvious:
  3276.  
  3277.   my $h = HTML::Element->new_from_lol(
  3278.     ['html',
  3279.       ['head',
  3280.         [ 'title', 'I like stuff!' ],
  3281.       ],
  3282.       ['body',
  3283.         {'lang', 'en-JP', _implicit => 1},
  3284.         'stuff',
  3285.         ['p', 'um, p < 4!', {'class' => 'par123'}],
  3286.         ['div', {foo => 'bar'}, '123'],
  3287.       ]
  3288.     ]
  3289.   );
  3290.   $h->dump;
  3291.  
  3292. Will print this:
  3293.  
  3294.   <html> @0
  3295.     <head> @0.0
  3296.       <title> @0.0.0
  3297.         "I like stuff!"
  3298.     <body lang="en-JP"> @0.1 (IMPLICIT)
  3299.       "stuff"
  3300.       <p class="par123"> @0.1.1
  3301.         "um, p < 4!"
  3302.       <div foo="bar"> @0.1.2
  3303.         "123"
  3304.  
  3305. And printing $h->as_HTML will give something like:
  3306.  
  3307.   <html><head><title>I like stuff!</title></head>
  3308.   <body lang="en-JP">stuff<p class="par123">um, p < 4!
  3309.   <div foo="bar">123</div></body></html>
  3310.  
  3311. You can even do fancy things with C<map>:
  3312.  
  3313.   $body->push_content(
  3314.     # push_content implicitly calls new_from_lol on arrayrefs...
  3315.     ['br'],
  3316.     ['blockquote',
  3317.       ['h2', 'Pictures!'],
  3318.       map ['p', $_],
  3319.       $body2->look_down("_tag", "img"),
  3320.         # images, to be copied from that other tree.
  3321.     ],
  3322.     # and more stuff:
  3323.     ['ul',
  3324.       map ['li', ['a', {'href'=>"$_.png"}, $_ ] ],
  3325.       qw(Peaches Apples Pears Mangos)
  3326.     ],
  3327.   );
  3328.  
  3329. =head2 @elements = HTML::Element->new_from_lol(ARRAYREFS)
  3330.  
  3331. Constructs I<several> elements, by calling
  3332. new_from_lol for every arrayref in the ARRAYREFS list.
  3333.  
  3334.   @elements = HTML::Element->new_from_lol(
  3335.     ['hr'],
  3336.     ['p', 'And there, on the door, was a hook!'],
  3337.   );
  3338.    # constructs two elements.
  3339.  
  3340. =cut
  3341.  
  3342. sub new_from_lol {
  3343.   my $class = shift;
  3344.   $class = ref($class) || $class;
  3345.    # calling as an object method is just the same as ref($h)->new_from_lol(...)
  3346.   my $lol = $_[1];
  3347.  
  3348.   my @ancestor_lols;
  3349.    # So we can make sure there's no cyclicities in this lol.
  3350.    # That would be perverse, but one never knows.
  3351.   my($sub, $k, $v, $node); # last three are scratch values
  3352.   $sub = sub {
  3353.     #print "Building for $_[0]\n";
  3354.     my $lol = $_[0];
  3355.     return unless @$lol;
  3356.     my(@attributes, @children);
  3357.     Carp::croak "Cyclicity detected in source LOL tree, around $lol?!?"
  3358.      if grep($_ eq $lol, @ancestor_lols);
  3359.     push @ancestor_lols, $lol;
  3360.  
  3361.     my $tag_name = 'null';
  3362.  
  3363.     # Recursion in in here:
  3364.     for(my $i = 0; $i < @$lol; ++$i) { # Iterate over children
  3365.       if(ref($lol->[$i]) eq 'ARRAY') { # subtree: most common thing in loltree
  3366.         push @children, $sub->($lol->[$i]);
  3367.       } elsif(! ref($lol->[$i])) {
  3368.         if($i == 0) { # name
  3369.           $tag_name = $lol->[$i];
  3370.           Carp::croak "\"$tag_name\" isn't a good tag name!"
  3371.            if $tag_name =~ m/[<>\/\x00-\x20]/; # minimal sanity, certainly!
  3372.         } else { # text segment child
  3373.           push @children, $lol->[$i];
  3374.         }
  3375.       } elsif(ref($lol->[$i]) eq 'HASH') { # attribute hashref
  3376.         keys %{$lol->[$i]}; # reset the each-counter, just in case
  3377.         while(($k,$v) = each %{$lol->[$i]}) {
  3378.           push @attributes, $class->_fold_case($k), $v
  3379.             if defined $v and $k ne '_name' and $k ne '_content' and
  3380.             $k ne '_parent';
  3381.           # enforce /some/ sanity!
  3382.         }
  3383.       } elsif(UNIVERSAL::isa($lol->[$i], __PACKAGE__)) {
  3384.         if($lol->[$i]->{'_parent'}) { # if claimed
  3385.           #print "About to clone ", $lol->[$i], "\n";
  3386.           push @children, $lol->[$i]->clone();
  3387.         } else {
  3388.           push @children, $lol->[$i]; # if unclaimed...
  3389.           #print "Claiming ", $lol->[$i], "\n";
  3390.           $lol->[$i]->{'_parent'} = 1; # claim it NOW
  3391.            # This WILL be replaced by the correct value once we actually
  3392.            #  construct the parent, just after the end of this loop...
  3393.         }
  3394.       } else {
  3395.         Carp::croak "new_from_lol doesn't handle references of type "
  3396.           . ref($lol->[$i]);
  3397.       }
  3398.     }
  3399.  
  3400.     pop @ancestor_lols;
  3401.     $node = $class->new($tag_name);
  3402.  
  3403.     #print "Children: @children\n";
  3404.  
  3405.     if($class eq __PACKAGE__) {  # Special-case it, for speed:
  3406.       %$node = (%$node, @attributes) if @attributes;
  3407.       #print join(' ', $node, ' ' , map("<$_>", %$node), "\n");
  3408.       if(@children) {
  3409.         $node->{'_content'} = \@children;
  3410.         foreach my $c (@children) { $c->{'_parent'} = $node if ref $c }
  3411.       }
  3412.     } else {  # Do it the clean way...
  3413.       #print "Done neatly\n";
  3414.       while(@attributes) { $node->attr(splice @attributes,0,2) }
  3415.       $node->push_content(@children) if @children;
  3416.     }
  3417.  
  3418.     return $node;
  3419.   };
  3420.   # End of sub definition.
  3421.  
  3422.  
  3423.   if(wantarray) {
  3424.     my(@nodes) = map {; (ref($_) eq 'ARRAY') ? $sub->($_) : $_ } @_;
  3425.       # Let text bits pass thru, I guess.  This makes this act more like
  3426.       #  unshift_content et al.  Undocumented.
  3427.     undef $sub;
  3428.       # so it won't be in its own frame, so its refcount can hit 0
  3429.     return @nodes;
  3430.   } else {
  3431.     Carp::croak "new_from_lol in scalar context needs exactly one lol"
  3432.      unless @_ == 1;
  3433.     return $_[0] unless ref($_[0]) eq 'ARRAY';
  3434.      # used to be a fatal error.  still undocumented tho.
  3435.     $node = $sub->($_[0]);
  3436.     undef $sub;
  3437.       # so it won't be in its own frame, so its refcount can hit 0
  3438.     return $node;
  3439.   }
  3440. }
  3441.  
  3442. =head2 $h->objectify_text()
  3443.  
  3444. This turns any text nodes under $h from mere text segments (strings)
  3445. into real objects, pseudo-elements with a tag-name of "~text", and the
  3446. actual text content in an attribute called "text".  (For a discussion
  3447. of pseudo-elements, see the "tag" method, far above.)  This method is
  3448. provided because, for some purposes, it is convenient or necessary to
  3449. be able, for a given text node, to ask what element is its parent; and
  3450. clearly this is not possible if a node is just a text string.
  3451.  
  3452. Note that these "~text" objects are not recognized as text nodes by
  3453. methods like as_text.  Presumably you will want to call
  3454. $h->objectify_text, perform whatever task that you needed that for,
  3455. and then call $h->deobjectify_text before calling anything like
  3456. $h->as_text.
  3457.  
  3458. =head2 $h->deobjectify_text()
  3459.  
  3460. This undoes the effect of $h->objectify_text.  That is, it takes any
  3461. "~text" pseudo-elements in the tree at/under $h, and deletes each one,
  3462. replacing each with the content of its "text" attribute. 
  3463.  
  3464. Note that if $h itself is a "~text" pseudo-element, it will be
  3465. destroyed -- a condition you may need to treat specially in your
  3466. calling code (since it means you can't very well do anything with $h
  3467. after that).  So that you can detect that condition, if $h is itself a
  3468. "~text" pseudo-element, then this method returns the value of the
  3469. "text" attribute, which should be a defined value; in all other cases,
  3470. it returns undef.
  3471.  
  3472. (This method assumes that no "~text" pseudo-element has any children.)
  3473.  
  3474. =cut
  3475.  
  3476. sub objectify_text {
  3477.   my(@stack) = ($_[0]);
  3478.  
  3479.   my($this);
  3480.   while(@stack) {
  3481.     foreach my $c (@{( $this = shift @stack )->{'_content'}}) {
  3482.       if(ref($c)) {
  3483.         unshift @stack, $c;  # visit it later.
  3484.       } else {
  3485.         $c = ( $this->{'_element_class'} || __PACKAGE__
  3486.              )->new('~text', 'text' => $c, '_parent' => $this);
  3487.       }
  3488.     }
  3489.   }
  3490.   return;
  3491. }
  3492.  
  3493. sub deobjectify_text {
  3494.   my(@stack) = ($_[0]);
  3495.   my($old_node);
  3496.  
  3497.   if( $_[0]{'_tag'} eq '~text') { # special case
  3498.     # Puts the $old_node variable to a different purpose
  3499.     if($_[0]{'_parent'}) {
  3500.       $_[0]->replace_with( $old_node = delete $_[0]{'text'} )->delete;
  3501.     } else {  # well, that's that, then!
  3502.       $old_node = delete $_[0]{'text'};
  3503.     }
  3504.  
  3505.     if(ref($_[0]) eq __PACKAGE__) { # common case
  3506.       %{$_[0]} = ();  # poof!
  3507.     } else {
  3508.       # play nice:
  3509.       delete $_[0]{'_parent'};
  3510.       $_[0]->delete;
  3511.     }
  3512.     return '' unless defined $old_node; # sanity!
  3513.     return $old_node;
  3514.   }
  3515.  
  3516.   while(@stack) {
  3517.     foreach my $c (@{(shift @stack)->{'_content'}}) {
  3518.       if(ref($c)) {
  3519.         if($c->{'_tag'} eq '~text') {
  3520.           $c = ($old_node = $c)->{'text'};
  3521.           if(ref($old_node) eq __PACKAGE__) { # common case
  3522.             %$old_node = ();  # poof!
  3523.           } else {
  3524.             # play nice:
  3525.             delete $old_node->{'_parent'};
  3526.             $old_node->delete;
  3527.           }
  3528.         } else {
  3529.           unshift @stack, $c;  # visit it later.
  3530.         }
  3531.       }
  3532.     }
  3533.   }
  3534.  
  3535.   return undef;
  3536. }
  3537.  
  3538.  
  3539. =head2 $h->number_lists()
  3540.  
  3541. For every UL, OL, DIR, and MENU element at/under $h, this sets a
  3542. "_bullet" attribute for every child LI element.  For LI children of an
  3543. OL, the "_bullet" attribute's value will be something like "4.", "d.",
  3544. "D.", "IV.", or "iv.", depending on the OL element's "type" attribute.
  3545. LI children of a UL, DIR, or MENU get their "_bullet" attribute set
  3546. to "*".
  3547. There should be no other LIs (i.e., except as children of OL, UL, DIR,
  3548. or MENU elements), and if there are, they are unaffected.
  3549.  
  3550. =cut
  3551.  
  3552. {
  3553.   # The next three subs are basically copied from Number::Latin,
  3554.   # based on a one-liner by Abigail.  Yes, I could simply require that
  3555.   # module, and a Roman numeral module too, but really, HTML-Tree already
  3556.   # has enough dependecies as it is; and anyhow, I don't need the functions
  3557.   # that do latin2int or roman2int.
  3558.   no integer;
  3559.  
  3560.   sub _int2latin {
  3561.     return undef unless defined $_[0];
  3562.     return '0' if $_[0] < 1 and $_[0] > -1;
  3563.     return '-' . _i2l( abs int $_[0] ) if $_[0] <= -1; # tolerate negatives
  3564.     return       _i2l(     int $_[0] );
  3565.   }
  3566.  
  3567.   sub _int2LATIN {
  3568.     # just the above plus uc
  3569.     return undef unless defined $_[0];
  3570.     return '0' if $_[0] < 1 and $_[0] > -1;
  3571.     return '-' . uc(_i2l( abs int $_[0] )) if $_[0] <= -1;  # tolerate negs
  3572.     return       uc(_i2l(     int $_[0] ));
  3573.   }
  3574.  
  3575.   my @alpha = ('a' .. 'z'); 
  3576.   sub _i2l { # the real work
  3577.     my $int = $_[0] || return "";
  3578.     _i2l(int (($int - 1) / 26)) . $alpha[$int % 26 - 1];  # yes, recursive
  3579.     # Yes, 26 => is (26 % 26 - 1), which is -1 => Z!
  3580.   }
  3581. }
  3582.  
  3583. {
  3584.   # And now, some much less impressive Roman numerals code:
  3585.  
  3586.   my(@i) = ('', qw(I II III IV V VI VII VIII IX));
  3587.   my(@x) = ('', qw(X XX XXX XL L LX LXX LXXX XC));
  3588.   my(@c) = ('', qw(C CC CCC CD D DC DCC DCCC CM));
  3589.   my(@m) = ('', qw(M MM MMM));
  3590.  
  3591.   sub _int2ROMAN {
  3592.     my($i, $pref);
  3593.     return '0' if 0 == ($i = int($_[0] || 0)); # zero is a special case
  3594.     return $i + 0 if $i <= -4000 or $i >= 4000;
  3595.     # Because over 3999 would require non-ASCII chars, like D-with-)-inside
  3596.     if($i < 0) { # grumble grumble tolerate negatives grumble
  3597.       $pref = '-'; $i = abs($i);
  3598.     } else {
  3599.       $pref = '';  # normal case
  3600.     }
  3601.  
  3602.     my($x,$c,$m) = (0,0,0);
  3603.     if(     $i >= 10) { $x = $i / 10; $i %= 10;
  3604.       if(   $x >= 10) { $c = $x / 10; $x %= 10;
  3605.         if( $c >= 10) { $m = $c / 10; $c %= 10; } } }
  3606.     #print "m$m c$c x$x i$i\n";
  3607.  
  3608.     return join('', $pref, $m[$m], $c[$c], $x[$x], $i[$i] );
  3609.   }
  3610.  
  3611.   sub _int2roman { lc(_int2ROMAN($_[0])) }
  3612. }
  3613.  
  3614. sub _int2int { $_[0] } # dummy
  3615.  
  3616. %list_type_to_sub = (
  3617.   'I' => \&_int2ROMAN,  'i' => \&_int2roman,
  3618.   'A' => \&_int2LATIN,  'a' => \&_int2latin,
  3619.   '1' => \&_int2int,
  3620. );
  3621.  
  3622. sub number_lists {
  3623.   my(@stack) = ($_[0]);
  3624.   my($this, $tag, $counter, $numberer); # scratch
  3625.   while(@stack) { # yup, pre-order-traverser idiom
  3626.     if(($tag = ($this = shift @stack)->{'_tag'}) eq 'ol') {
  3627.       # Prep some things:
  3628.       $counter = (($this->{'start'} || '') =~ m<^\s*(\d{1,7})\s*$>s) ? $1 : 1;
  3629.       $numberer = $list_type_to_sub{ $this->{'type'} || ''}
  3630.                || $list_type_to_sub{'1'};
  3631.  
  3632.       # Immeditately iterate over all children
  3633.       foreach my $c (@{ $this->{'_content'} || next}) {
  3634.         next unless ref $c;
  3635.         unshift @stack, $c;
  3636.         if($c->{'_tag'} eq 'li') {
  3637.           $counter = $1 if(($c->{'value'} || '') =~ m<^\s*(\d{1,7})\s*$>s);
  3638.           $c->{'_bullet'} = $numberer->($counter) . '.';
  3639.           ++$counter;
  3640.         }
  3641.       }
  3642.  
  3643.     } elsif($tag eq 'ul' or $tag eq 'dir' or $tag eq 'menu') {
  3644.       # Immeditately iterate over all children
  3645.       foreach my $c (@{ $this->{'_content'} || next}) {
  3646.         next unless ref $c;
  3647.         unshift @stack, $c;
  3648.         $c->{'_bullet'} = '*' if $c->{'_tag'} eq 'li';
  3649.       }
  3650.  
  3651.     } else {
  3652.       foreach my $c (@{ $this->{'_content'} || next}) {
  3653.         unshift @stack, $c if ref $c;
  3654.       }
  3655.     }
  3656.   }
  3657.   return;
  3658. }
  3659.  
  3660.  
  3661.  
  3662. =head2 $h->has_insane_linkage
  3663.  
  3664. This method is for testing whether this element or the elements
  3665. under it have linkage attributes (_parent and _content) whose values
  3666. are deeply aberrant: if there are undefs in a content list; if an
  3667. element appears in the content lists of more than one element;
  3668. if the _parent attribute of an element doesn't match its actual
  3669. parent; or if an element appears as its own descendant (i.e.,
  3670. if there is a cyclicity in the tree).
  3671.  
  3672. This returns empty list (or false, in scalar context) if the subtree's
  3673. linkage methods are sane; otherwise it returns two items (or true, in
  3674. scalar context): the element where the error occurred, and a string
  3675. describing the error.
  3676.  
  3677. This method is provided is mainly for debugging and troubleshooting --
  3678. it should be I<quite impossible> for any document constructed via
  3679. HTML::TreeBuilder to parse into a non-sane tree (since it's not
  3680. the content of the tree per se that's in question, but whether
  3681. the tree in memory was properly constructed); and it I<should> be
  3682. impossible for you to produce an insane tree just thru reasonable
  3683. use of normal documented structure-modifying methods.  But if you're
  3684. constructing your own trees, and your program is going into infinite
  3685. loops as during calls to traverse() or any of the secondary
  3686. structural methods, as part of debugging, consider calling is_insane
  3687. on the tree.
  3688.  
  3689. =cut
  3690.  
  3691. sub has_insane_linkage {
  3692.   my @pile = ($_[0]);
  3693.   my($c, $i, $p, $this); # scratch
  3694.  
  3695.   # Another iterative traverser; this time much simpler because
  3696.   #  only in pre-order:
  3697.   my %parent_of = ($_[0], 'TOP-OF-SCAN');
  3698.   while(@pile) {
  3699.     $this = shift @pile;
  3700.     $c = $this->{'_content'} || next;
  3701.     return($this, "_content attribute is true but nonref.")
  3702.      unless ref($c) eq 'ARRAY';
  3703.     next unless @$c;
  3704.     for($i = 0; $i < @$c; ++$i) {
  3705.       return($this, "Child $i is undef")
  3706.        unless defined $c->[$i];
  3707.       if(ref($c->[$i])) {
  3708.         return($c->[$i], "appears in its own content list")
  3709.          if $c->[$i] eq $this;
  3710.         return($c->[$i],
  3711.           "appears twice in the tree: once under $this, once under $parent_of{$c->[$i]}"
  3712.         )
  3713.          if exists $parent_of{$c->[$i]};
  3714.         $parent_of{$c->[$i]} = ''.$this;
  3715.           # might as well just use the stringification of it.
  3716.  
  3717.         return($c->[$i], "_parent attribute is wrong (not defined)")
  3718.          unless defined($p = $c->[$i]{'_parent'});
  3719.         return($c->[$i], "_parent attribute is wrong (nonref)")
  3720.          unless ref($p);
  3721.         return($c->[$i],
  3722.           "_parent attribute is wrong (is $p; should be $this)"
  3723.         )
  3724.          unless $p eq $this;
  3725.       }
  3726.     }
  3727.     unshift @pile, grep ref($_), @$c;
  3728.      # queue up more things on the pile stack
  3729.   }
  3730.   return; #okay
  3731. }
  3732.  
  3733.  
  3734. sub _asserts_fail {  # to be run on trusted documents only
  3735.   my(@pile) = ($_[0]);
  3736.   my(@errors, $this, $id, $assert, $parent, $rv);
  3737.   while(@pile) {
  3738.     $this = shift @pile;
  3739.     if(defined($assert = $this->{'assert'})) {
  3740.       $id = ($this->{'id'} ||= $this->address); # don't use '0' as an ID, okay?
  3741.       unless(ref($assert)) {
  3742.         package main;
  3743.         $assert = $this->{'assert'} = (
  3744.           $assert =~ m/\bsub\b/ ? eval($assert) : eval("sub {  $assert\n}")
  3745.         );
  3746.         if($@) {
  3747.           push @errors, [$this, "assertion at $id broke in eval: $@"];
  3748.           $assert = $this->{'assert'} = sub {};
  3749.         }
  3750.       }
  3751.       $parent = $this->{'_parent'};
  3752.       $rv = undef;
  3753.       eval {
  3754.         $rv =
  3755.          $assert->(
  3756.            $this, $this->{'_tag'}, $this->{'_id'}, # 0,1,2
  3757.            $parent ? ($parent, $parent->{'_tag'}, $parent->{'id'}) : () # 3,4,5
  3758.          )
  3759.       };
  3760.       if($@) {
  3761.         push @errors, [$this, "assertion at $id died: $@"];
  3762.       } elsif(!$rv) {
  3763.         push @errors, [$this, "assertion at $id failed"]
  3764.       }
  3765.        # else OK
  3766.     }
  3767.     push @pile, grep ref($_), @{$this->{'_content'} || next};
  3768.   }
  3769.   return @errors;
  3770. }
  3771.  
  3772. 1;
  3773.  
  3774. =head1 BUGS
  3775.  
  3776. * If you want to free the memory associated with a tree built of
  3777. HTML::Element nodes, then you will have to delete it explicitly.
  3778. See the $h->delete method, above.
  3779.  
  3780. * There's almost nothing to stop you from making a "tree" with
  3781. cyclicities (loops) in it, which could, for example, make the
  3782. traverse method go into an infinite loop.  So don't make
  3783. cyclicities!  (If all you're doing is parsing HTML files,
  3784. and looking at the resulting trees, this will never be a problem
  3785. for you.)
  3786.  
  3787. * There's no way to represent comments or processing directives
  3788. in a tree with HTML::Elements.  Not yet, at least.
  3789.  
  3790. * There's (currently) nothing to stop you from using an undefined
  3791. value as a text segment.  If you're running under C<perl -w>, however,
  3792. this may make HTML::Element's code produce a slew of warnings.
  3793.  
  3794. =head1 NOTES ON SUBCLASSING
  3795.  
  3796. You are welcome to derive subclasses from HTML::Element, but you
  3797. should be aware that the code in HTML::Element makes certain
  3798. assumptions about elements (and I'm using "element" to mean ONLY an
  3799. object of class HTML::Element, or of a subclass of HTML::Element):
  3800.  
  3801. * The value of an element's _parent attribute must either be undef or
  3802. otherwise false, or must be an element.
  3803.  
  3804. * The value of an element's _content attribute must either be undef or
  3805. otherwise false, or a reference to an (unblessed) array.  The array
  3806. may be empty; but if it has items, they must ALL be either mere
  3807. strings (text segments), or elements.
  3808.  
  3809. * The value of an element's _tag attribute should, at least, be a 
  3810. string of printable characters.
  3811.  
  3812. Moreover, bear these rules in mind:
  3813.  
  3814. * Do not break encapsulation on objects.  That is, access their
  3815. contents only thru $obj->attr or more specific methods.
  3816.  
  3817. * You should think twice before completely overriding any of the
  3818. methods that HTML::Element provides.  (Overriding with a method that
  3819. calls the superclass method is not so bad, though.)
  3820.  
  3821. =head1 SEE ALSO
  3822.  
  3823. L<HTML::Tree>; L<HTML::TreeBuilder>; L<HTML::AsSubs>; L<HTML::Tagset>; 
  3824. and, for the morbidly curious, L<HTML::Element::traverse>.
  3825.  
  3826. =head1 COPYRIGHT
  3827.  
  3828. Copyright 1995-1998 Gisle Aas, 1999-2004 Sean M. Burke, 2005 Andy Lester,
  3829. 2006 Pete Krawczyk.
  3830.  
  3831. This library is free software; you can redistribute it and/or
  3832. modify it under the same terms as Perl itself.
  3833.  
  3834. This program is distributed in the hope that it will be useful, but
  3835. without any warranty; without even the implied warranty of
  3836. merchantability or fitness for a particular purpose.
  3837.  
  3838. =head1 AUTHOR
  3839.  
  3840. Currently maintained by Pete Krawczyk C<< <petek@cpan.org> >>
  3841.  
  3842. Original authors: Gisle Aas, Sean Burke and Andy Lester.
  3843.  
  3844. Thanks to Mark-Jason Dominus for a POD suggestion.
  3845.  
  3846. =cut
  3847.  
  3848. 1;
  3849.