Perl -从URL获取特定信息

Question

我是Perl新手，很难理解如何从搜索结果中获取特定值。例如，我想知道uniprot搜索swiss-prot和trembl的结果数。我的代码是这样的：

#use strict
#use warnings
use LWP::Simple;

print "organism name: ";
my $SPCount = <STDIN>;
chomp($SPCount);
$SPCount =~ s/ /%20/;
$url = 'http://www.uniprot.org/uniprot/?query='.$SPCount.'&sort=score';
my $quelltext = get( $url );

假设我查找“智人”，我将得到26,138个swissprot和919,192个TReMBL结果。我应该只解析HTML文档中的这些数字吗？这是如何工作的呢？

Answer 1

您必须使用CPAN上的一个解析器来解析返回的HTML。我的首选是HTML::TreeBuilder::XPath，它是HTML::TreeBuilder的一个子类，允许使用XPath表达式处理结果数据结构。

查看相关页面的HTML源，看起来您需要两个<a>元素的内容，这两个元素具有id属性reviewed-filter和unreviewed-filter。这个程序演示了如何做到这一点。

use strict;
use warnings;
use 5.010;

use LWP::Simple;
use HTML::TreeBuilder::XPath;

STDOUT->autoflush;

my $organism = <> // 'homo sapiens';
chomp $organism;
$organism =~ s/ /%20/g;

my $url = "http://www.uniprot.org/uniprot/?query=$organism&sort=score";

my $tree = HTML::TreeBuilder::XPath->new_from_content( get( $url ) );

say "Organism Name: $organism";
say '  ', join ' ', $tree->findnodes_as_strings('//a[@id="reviewed-filter"]/node()');
say '  ', join ' ', $tree->findnodes_as_strings('//a[@id="unreviewed-filter"]/node()');

输出

Organism Name: homo%20sapiens
  Reviewed (26,138) Swiss-Prot
  Unreviewed (919,192) TrEMBL