perl - 如何使用perl从html网页中提取特定信息

Question

如果需要从一个html网页中提取“XYZ 81.6(-0.1)”的信息，用perl怎么办？非常感谢。

<table border="0" width="100%">
          <caption valign="top">
            <p class="InfoContent"><b><br></b>
          </caption>
          <tr>
            <td colspan="3"><p class="InfoContent"><b>ABC</b></td>
          </tr>
          <tr>
            <td valign="top" height="61" width="31%">
              <p class="InfoContent"><b><font color="#0000FF">XYZ 81.6 (-0.1)&nbsp;<br>22/06/2011</font></b></p>
            </td>
          </tr></table>

Answer 1

我会使用 HTML::TreeBuilder::XPath为此(是的，这是一个无耻的插件!):

#!/usr/bin/perl

use strict;
use warnings;

use HTML::TreeBuilder::XPath;

my $t= HTML::TreeBuilder::XPath->new_from_file( shift @ARGV);

my $text= $t->findvalue( '//p[@class="InfoContent"]/b/font[@color="#0000FF"]');

$text=~ s{\).*}{)};

print "found '$text'\n";

虽然它非常脆弱:据我所知，将 XPath 表达式缩小到您想要的范围的唯一方法是使用 font 标记。这在未来可能会改变，所以如果(当!)代码中断，那是您必须首先查看的地方。