HTML::Selector::XPath； 配合HTML::TreeBuilder::XPath;很强大 用CSS选择器的语法获取内容 和Jquery类似的语法 非常方便 比如
div#footer a id是footer的div 下的所有连接 在 2010年7月30日 下午6:03，cnhack TNT <[email protected]>写道： > 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]<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。 > -- Azure.Wang -- 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。
