首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >WWW::机械化提取帮助- PERL

问WWW::机械化提取帮助- PERL
EN

Stack Overflow用户
提问于 2015-09-01 17:27:08
回答 1查看 105关注 0票数 1

我试图自动提取在网站上找到的文字记录。整个成绩单在dl标签之间找到,因为站点在描述列表中格式化了面试。下面的脚本允许我搜索站点并以纯文本格式提取文本,但实际上我正在寻找它包含dl标记之间的所有内容,意思是dd,dt,等等。这将使我们能够为面试开发自己的CSS。

值得注意的是,在面试过程中,会在不同的时间点插入中断语句。我们发现一些工具使用配对从网页中提取信息,发现这是一个问题,因为它只会抓取信息,直到have语句为止。只要你给我指明一个不同的方向就好了。到目前为止我的情况是这样的。

代码语言:javascript
复制
#!/usr/bin/perl -w

use strict;
use WWW::Mechanize;
use WWW::Mechanize::TreeBuilder;

my $mech = WWW::Mechanize->new();
WWW::Mechanize::TreeBuilder->meta->apply($mech);
$mech->get("http://millercenter.org/president/clinton/oralhistory/madeleine-k-albright");

# find all <dl> tags
my @list = $mech->find('dl');

foreach ( @list ) {
print $_->as_text();
}

如果有一个工具,本质上打印了我所拥有的,只是这次作为HTML,请让我知道它!

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2015-09-01 17:46:36

您的代码很好,只需将as_text()方法更改为as_HTML(),它将显示包含HTML标记的内容。

票数 3
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/32337580

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档