Perl解析当当网图书信息页面

概述功能描述： 首先判断html文件是否为当当图书的页面，不是则不处理 把图书标题，价格，作者，出版社等信息抽取出来存入文件 perl程序运行命令：perl  programfile    html_file_list 原代码奉上： #!/usr/bin/perluse HTML::Element;use HTML::TreeBuilder;use HTML::Parser;ope

功能描述：

首先判断HTML文件是否为当当图书的页面，不是则不处理 把图书标题，价格，作者，出版社等信息抽取出来存入文件 perl程序运行命令：perl  programfile    HTML_file_List

原代码奉上：

#!/usr/bin/perluse HTML::Element;use HTML::TreeBuilder;use HTML::Parser;open DATAFH,">>data" || dIE "open file Failed:$!";select DATAFH;foreach my $file_name (@ARGV) {	unless(-e $file_name){		print "$file_name文件不存在.\n";		next;	}	##首先判断文件编码是不是UTF-8,如果不是要转换成UTF-8,因为我发现perl的HTML模块好像只能处理UTF-8编码的文件，处理GBK文件时会出现中文乱码。而我们从网上下载的页面几乎都是GBK编码。	system "enca","-L","zh_CN","-x","UTF-8",$file_name;		##用enca比用iconv的好处在于不需要管原文件是什么编码（即使本来就UFTF-8编码），直接转换成UTF-8编码就是了。    my $root = HTML::TreeBuilder->new;    $root->parse_file($file_name);    $Title=$root->find_by_tag_name('Title');    $str_Title=$Title->as_text();    if($str_Title=~qr/图书 - 当当网$/){    	print "网页标题:$str_Title\n";    	$div_h1=$root->look_down("_tag","div","class","h1_Title book_@R_404_6882@");    	$h1=$div_h1->look_down('_tag','h1');    	print "图书名称:",$h1->as_text(),"\n";    	$div_info=$root->look_down("_tag","info book_r");    	$price_d=$div_info->look_down("_tag","p","price_d");    	print $price_d->as_text(),"\n";    	$price_m=$div_info->look_down("_tag","price_m");    	foreach my $node_r ($price_m->content_refs_List){    		next if ref $$node_r;    		print $$node_r,"\n";    	}    	$div_detail=$div_info->look_down("_tag","book_detailed","name","__Property_pub");    	@elements=$div_detail->find_by_tag_name('p');    	foreach(@elements){			print $_->as_text(),"\n";		}		$clear=$div_detail->look_down("_tag","ul","clearfix");		@lis=$clear->content_List();		@spans=$lis[0]->content_List();		print $spans[1]->as_text(),"\n";		@spans=$lis[2]->content_List();		print $spans[1]->as_text(),"\n";		print $spans[2]->as_text(),"\n";		print "********************************************\n";		$|=1;    }    else{		print STDOUT "$file_name不是当当网图书信息页面。\n";		next;	}    $tree = $root->delete;}close DATAFH;

输出文件里的内容：

总结

以上是内存溢出为你收集整理的Perl解析当当网图书信息页面全部内容，希望文章能够帮你解决Perl解析当当网图书信息页面所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。