论坛徽章:: 0

电梯直达

1楼 [收藏(0)] [报告]

发表于 2010-02-12 22:04 |只看该作者 |倒序浏览

本帖最后由 perlw01f 于 2010-02-12 22:10 编辑

网页代码太长了
看这个吧 http://www.springerlink.com/content/j7t650

我的目的
提取出目录文件

$part_no including:
$chap_no, $chap_title, $chap_page_range;

如 part1 包括
chap 1, abc, 1-10

关键问题在如何提取与$part_no相关联的chap
现在的问题是用正则貌似比较麻烦
每次将包含$part_no与chap信息的内容当做一块然后处理这个块
m/<td colspan="3" class="viewGroup"(.*?)<td colspan="3" class="viewGroup"/mgs
可是这样处理每次回漏掉一个part
请问有没有合适的解析模块做这个的不太懂
看了 HTML::TokeParser和HTML::TreeBuilder 也都好像不太合适
源码中的那个div标签用得神出鬼没的神鬼莫测

非常感谢

文库|博客

DQP

富足长乐

论坛徽章:: 0

2楼 [报告]

发表于 2010-02-12 23:34 |只看该作者

推荐使用
HTML::TreeBuilder::XPath

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

perlw01f

稍有积蓄

论坛徽章:: 0

3楼 [报告]

发表于 2010-02-13 15:10 |只看该作者

use HTML::TreeBuilder::XPath
my $tree = HTML::TreeBuilder::XPath->new();
my $items = $tree->findnodes( '/html/body//td[@class="viewGroup"]' );
print Dumper($items) 发现这个貌似把网页中的所有内容都放进去了？而不仅仅是class="viewGroup"的td标签
继续求助

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

cobrawgl

富足长乐

论坛徽章:: 0

4楼 [报告]

发表于 2010-02-14 09:54 |只看该作者

把你那点积分都拿出来吧，会有人帮你做的

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

返回列表

Chinaunix › 论坛 › 程序设计 › Perl › 解析一个网页

解析一个网页 [复制链接]