网页信息抽取，用 Web::Scraper 会方便得多 http://perlchina.org/advent/2009/WebScraper.html
2010/7/30 Qiang (James) <[email protected]> > xuanshi wrote: > > Hi all > > > > > > 1，我在做 正则表达时， 我用了如下的语句： if ($KnowEn[$i] =~ /\$Instance/) > > { > > print $KnowEn[$i] ."\n"; > > } > > 系统总是对这个报错。我想知道，是什么原因呢 ？ 我现在猜测是：$KnowEn[$i]与循环有关，出了问题，环不下去，还有原文件里有空白的行。 > > > > 报什么错？最重要的错误信息请不要省略。 > > > > > > > > > 2， 另外，我想从一个网页里，把我需要的信息抓取下来，要从哪里入手呢？比如这个网站： > > http://www2.chkd.cnki.net/kns50/Dict/dict_list.aspx?firstLetter=B# > > 有如下信息，有些是重要的，有些不重要。 > > 你需要先抓网页(通过 LWP 或 WWW::Mechanize 即可)，然后根据内容的分布来匹 > 配(你可以通过正则匹配或是 CPAN 上的一些模块)。 > > 这是 LWP 的一个教程 http://wiki.perlchina.org/LWP与WEB的基本使用 > > 鉴于你要抓取的内容是在一个 html table 里，你可以使用 > CPAN(search.cpan.org) 上众多的解析 table 的模块，例如 HTML::TableExtract > 和 HTML::TableParser。 > > Qiang (James) > > -- > 您收到此邮件是因为您订阅了 Google 网上论坛的“PerlChina Mongers 讨论组”论坛。 > 要向此网上论坛发帖，请发送电子邮件至 [email protected]。 > 要取消订阅此网上论坛，请发送电子邮件至 > [email protected]<perlchina%[email protected]> > 。 > 若有更多问题，请通过 http://groups.google.com/group/perlchina?hl=zh-CN 访问此网上论坛。 > > -- 您收到此邮件是因为您订阅了 Google 网上论坛的“PerlChina Mongers 讨论组”论坛。 要向此网上论坛发帖，请发送电子邮件至 [email protected]。 要取消订阅此网上论坛，请发送电子邮件至 [email protected]。 若有更多问题，请通过 http://groups.google.com/group/perlchina?hl=zh-CN 访问此网上论坛。
