HTML::TreeBuilder::Select和Web::Scraper用的似乎是同样的模块啵。 感觉Web::Scraper的概念更易用。但两者效率是差不多的。 如果考虑效率的话，HTML::Parser是更好的。
Beckheng Lam 写道: > 有没人想帮这几个模块做个benchmark? > > snyh 写道: > >> 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) >>>>> >>>>> >>>>> >>>>> >>> -- >>> Azure.Wang >>> >>> >>> >> >> > > > -- Perl乐事 -- http://www.perlersh.org 我的博客 -- http://www.perlersh.org/blog.html 诸法从缘起，如来说是因。 彼法因缘尽，是大沙门说。 -- 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。
