使用 perl 中的 RDF::RDFa::Parser 模块解析网站外的 rdf 数据。 在带有 !DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"> 的网站上它可以工作,但在使用 xhtml !DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN 的网站上""http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd "> 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');
最佳答案
(我是 RDF::RDFa::Parser 的作者。)
看起来 RDFa 解析器使用的 HTML 解析器在该页面上失败了。 (我也是相关 HTML 解析器的维护者,所以我不能把责任推给任何人!)因此,当 RDFa 解析开始时,它看到的只是一棵空的 DOM 树。
页面是quite hideously invalid XHTML但我仍然希望 HTML 解析器能够完成合理的工作。我有 filed a bug report for you .
与此同时,一个解决方法可能是在 RDF::RDFa::Parser 之外构建 XML::LibXML DOM 树(也许使用 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');
希望对您有所帮助!
更新:这是 somehow_build_a_dom_tree
的可能实现...
sub somehow_build_a_dom_tree {
my $p = XML::LibXML->new;
$p->recover_silently(1);
$p->load_html( string => @_ );
}
关于html - 在 html/xhtml 中解析 RDFa?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20767903/