Re: [PerlChina] 正则表达的问题和如何抓取网页信息

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)
>>>
>>> --
>>> 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。
>>>
>>
>> --
>> 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。
>
>
>
> --
> 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 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。
>

--
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。