HTML::TreeBuilder::Select 两者的整合
在 2010年8月2日 上午9:31，azure wang <[email protected]> 写道： > 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]。 >>> 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。 > > > > -- > 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。 > -- 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。
