Re: [PerlChina] 正则表达的问题和如何抓取网页信息

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 <azure1st@gmail.com> 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 <cnhacktnt@gmail.com>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) <shijialee@gmail.com>
>>>
>>>> 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 perlchina@googlegroups.com。
要取消订阅此网上论坛，请发送电子邮件至 perlchina+unsubscribe@googlegroups.com。
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。