在html/xhtml中解析RDFa？

Question

使用perl中的RDF::RDFa::Parser模块解析出网站的rdf数据。在带有!DOCTYPE html PUBLIC“-/W3C//DTD HTML 4.01过渡//EN”>的网站上，它可以工作，但在使用xhtml !DOCTYPE HTML PUBLIC "-//W3C//DTD XHTML1.0过渡//EN“"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">的网站上没有输出...

测试网站-> http://www.filmstarts.de/kritiken/186918.html

use RDF::RDFa::Parser;

my $url     = 'http://www.filmstarts.de/kritiken/186918.html';
my $options = RDF::RDFa::Parser::Config->tagsoup;
my $rdfa    = RDF::RDFa::Parser->new_from_url($url, $options);

print $rdfa->opengraph('image');
print $rdfa->opengraph('description');

Answer 1

(我是RDF：：RDFa：：Parser的作者。)

看起来RDFa解析器使用的超文本标记语言解析器在该页面上失败了。(我也是所讨论的HTML解析器的维护者，所以我不能将责任推给其他任何人！)因此，当RDFa解析开始时，它看到的只是一个空的DOM树。

页面是quite hideously invalid XHTML的，但我仍然希望HTML解析器能做一个合理的工作。我已经filed a bug report for you了。

同时，一种变通办法可能是在RDF：：RDFa：：解析器之外构建XML::LibXML DOM树(可能使用libxml的内置HTML解析器？)。您可以将该树直接传递给RDFa解析器：

use RDF::RDFa::Parser;
use LWP::Simple qw(get);

my $url     = 'http://www.filmstarts.de/kritiken/186918.html';
my $xhtml   = get($url);
my $dom     = somehow_build_a_dom_tree($xhtml);  # hand-waving!!
my $options = RDF::RDFa::Parser::Config->tagsoup;
my $rdfa    = RDF::RDFa::Parser->new($dom, $url, $options);

print $rdfa->opengraph('image');
print $rdfa->opengraph('description');

我希望这对你有帮助！

更新：这是somehow_build_a_dom_tree的一个可能的实现...

sub somehow_build_a_dom_tree {
    my $p = XML::LibXML->new;
    $p->recover_silently(1);
    $p->load_html( string => @_ );
}