如何在Perl中从HTML表中提取数据？

pxq42qpu 于 2022-11-15 发布在 Perl

关注(0)|答案(3)|浏览(193)

我尝试在Perl中使用正则表达式来解析一个具有以下结构的表。第一行如下：

<tr class="Highlight"><td>Time Played</a></td><td></td><td>Artist</td><td width="1%"></td><td>Title</td><td>Label</td></tr>

这里我希望取出“播放时间”、“艺术家”、“标题”和“标签”，并将它们打印到输出文件。
我尝试过许多正则表达式，例如：

$lines =~ / (<td>) /
       OR
$lines =~ / <td>(.*)< /
       OR
$lines =~ / >(.*)< /

我目前的程序看起来是这样的：

#!perl -w

open INPUT_FILE, "<", "FIRST_LINE_OF_OUTPUT.txt" or die $!;

open OUTPUT_FILE, ">>", "PLAYLIST_TABLE.txt" or die $!;

my $lines = join '', <INPUT_FILE>;

print "Hello 2\n";

if ($lines =~ / (\S.*\S) /) {
print "this is 1: \n";
print $1;
    if ($lines =~ / <td>(.*)< / ) {
    print "this is the 2nd 1: \n";
    print $1;
    print "the word was: $1.\n";
    $Time = $1;
    print $Time;
    print OUTPUT_FILE $Time;
    } else {
    print "2ND IF FAILED\n";
    }
} else { 
print "THIS FAILED\n";
}

close(INPUT_FILE);
close(OUTPUT_FILE);

perl

来源：https://stackoverflow.com/questions/1651276/how-can-i-extract-data-from-html-tables-in-perl

3条答案

按热度按时间

bihw5rsg1#

不要使用正则表达式来解析HTML。有大量的CPAN模块可以更有效地为你做这件事。

赞(0）回复(0）举报 2022-11-15

xtfmy6hx2#

用HTML::TableExtract。真的。

#!/usr/bin/perl

use strict;
use warnings;

use HTML::TableExtract;
use LWP::Simple;

my $file = 'Table3.htm';
unless ( -e $file ) {
    my $rc = getstore(
        'http://www.ntsb.gov/aviation/Table3.htm',
        $file);
    die "Failed to download document\n" unless $rc == 200;
}

my @headers = qw( Year Fatalities );

my $te = HTML::TableExtract->new(
    headers => \@headers,
    attribs => { id => 'myTable' },
);

$te->parse_file($file);

my ($table) = $te->tables;

print join("\t", @headers), "\n";

for my $row ($te->rows ) {
    print join("\t", @$row), "\n";
}

这就是我在另一篇文章中所说的“特定于任务的”HTML解析器。
您可以将精力集中在阅读一些文档上，而不是将正则表达式扔到墙上，看看是否有任何正则表达式卡住，这样可以节省很多时间。

赞(0）回复(0）举报 2022-11-15

zy1mlcev3#

这很简单：

my $html = '<tr class="Highlight"><td>Time Played</a></td><td></td><td>Artist</td><td width="1%"></td><td>Title</td><td>Label</td></tr>';
my @stuff = $html =~ />([^<]+)</g;
print join (", ", @stuff), "\n";

如果要尝试运行它，请参阅http://codepad.org/qz9d5Bro。

赞(0）回复(0）举报 2022-11-15

我来回答

如何在Perl中从HTML表中提取数据？

3条答案

相关问题

热门标签

最新问答