使用Perl從HTML中提取數據

Question

我正處於大學迷你項目的初始階段，並且陷入困境。

任何人都可以讓我知道「使用Perl從HTML頁面提取數據」的基本和高級概念和方法以及代碼嗎？

如果不是yjrm，請告訴我通過與概念相關的資源的路徑，以便我可以自己學習。

Answer 1

這應該讓你開始。

#!/usr/bin/perl 

use strict; 
use warnings; 
use autodie; 
use LWP::Simple; #For getting a websites HTML also see LWP::UserAgent 
use HTML::Tree; #Use a parser to parse HTML, read the docs on CPAN 


#Use LWP get a page's contents 
#We'll use the url to this question http://stackoverflow.com/questions/24858906/data-extraction-from-html-using-perl 
my $url = "http://stackoverflow.com/questions/24858906/data-extraction-from-html-using-perl"; 


#All the html will be in content 
my $content = get($url); 

my $p = HTML::Tree->new(); 

#parse the string in $content. You can also parse_from_file or parse_from_url 
#Though for learning sake you should get used to LWP 
$p->parse($content); 

#Check HTML::Element documentation for the data manipulation part 
my $post = $p->find_by_attribute('class', 'post-text'); 

#Should print your question out. 
print $post->as_text(); 

現在審查的文檔：

LWP::Simple

LWP::UserAgent

HTML::Tree

HTML::Element

Answer 2

根據你需要做什麼，你可能想看看HTML::TreeBuilder（和擴展HTML::TreeBuilder::XPath獲得XPath善良），或者，如果你需要與網站互動，WWW::Mechanize。

其他相當流行的工具是Mojo::DOM。