2

Webスクレイピング初心者です。web::scraperperlを使用して特定の情報を抽出できるかどうか疑問に思っていました。例として、私のhtmlは次のようになります（URLからhtmlの一部を取得しました）：

 <table class="reference">
     <tr>
     <th width="23%" align="left">Property</th>
     <th width="71%" align="left">Description</th>
     <th style="text-align:center;">DOM</th>
     </tr>
     <tr>
        <td><a href="prop_node_attributes.asp">attributes</a></td>
        <td>Returns a collection of a node's attributes</td>
        <td style="text-align:center;">1</td>
     </tr>

     <tr>
        <td><a href="prop_node_baseuri.asp">baseURI</a></td>
        <td>Returns the absolute base URI of a node</td>
        <td style="text-align:center;">3</td>
     </tr>
     <tr>
        <td><a href="prop_node_childnodes.asp">childNodes</a></td>
        <td>Returns a NodeList of child nodes for a node</td>
        <td style="text-align:center;">1</td>
     </tr>
     <tr>
        <td><a href="prop_node_firstchild.asp">firstChild</a></td>
        <td>Returns the first child of a node</td>
        <td style="text-align:center;">1</td>
     </tr>
     <tr>
        <td><a href="prop_node_lastchild.asp">lastChild</a></td>
        <td>Returns the last child of a node</td>
        <td style="text-align:center;">1</td>
     </tr>
     <tr>
        <td><a href="prop_node_localname.asp">localName</a></td>
        <td>Returns the local part of the name of a node</td>
        <td style="text-align:center;">2</td>
     </tr>
     <tr>
        <td><a href="prop_node_namespaceuri.asp">namespaceURI</a></td>
        <td>Returns the namespace URI of a node</td>
        <td style="text-align:center;">2</td>
     </tr>
     <tr>
        <td><a href="prop_node_nextsibling.asp">nextSibling</a></td>
        <td>Returns the next node at the same node tree level</td>
        <td style="text-align:center;">1</td>
     </tr>
     <tr>
        <td><a href="prop_node_nodename.asp">nodeName</a></td>
        <td>Returns the name of a node, depending on its type</td>
        <td style="text-align:center;">1</td>
     </tr>
     <tr>
        <td><a href="prop_node_nodetype.asp">nodeType</a></td>
        <td>Returns the type of a node</td>
        <td style="text-align:center;">1</td>
     </tr>
     <tr>
        <td><a href="prop_node_nodevalue.asp">nodeValue</a></td>
        <td>Sets or returns the value of a node, depending on its 
        type</td>
        <td style="text-align:center;">1</td>
     </tr>
     <tr>
        <td><a href="prop_node_ownerdocument.asp">ownerDocument</a></td>
        <td>Returns the root element (document object) for a node</td>
        <td style="text-align:center;">2</td>
     </tr>
     <tr>
        <td><a href="prop_node_parentnode.asp">parentNode</a></td>
        <td>Returns the parent node of a node</td>
        <td style="text-align:center;">1</td>
     </tr>
     <tr>
        <td><a href="prop_node_prefix.asp">prefix</a></td>
        <td>Sets or returns the namespace prefix of a node</td>
        <td style="text-align:center;">2</td>
     </tr>
     <tr>
        <td><a href="prop_node_previoussibling.asp">previousSibling</a></td>
        <td>Returns the previous node at the same node tree level</td>
        <td style="text-align:center;">1</td>
     </tr>
     <tr>
        <td><a href="prop_node_textcontent.asp">textContent</a></td>
        <td>Sets or returns the textual content of a node and its 
        descendants</td>
        <td style="text-align:center;">3</td>
     </tr>
     </table>

私のperlコードは次のようになります：

#!/usr/bin/perl
use warnings;
use strict;
use URI;
use Web::Scraper;

# website to scrape
my $urlToScrape = "http://www.w3schools.com/jsref/dom_obj_node.asp";

my $rennersdata = scraper {
 process "table.reference > tr > td", 'landrenner[]' => 'TEXT';
 };

my $res = $teamsdata->scrape(URI->new($urlToScrape));
for my $i (0 .. $#{$res->{landrenner}}) {

print $res->{landrenner}[$i];
print "\n";
}

td上記のコードを実行すると、タグ内のすべてのテキストが取得されます。つまり$i=0、出力は次のとおりです。

attributes
Returns a collection of a node's attributes
1

出力しか得られない可能性はありますか:

Returns a collection of a node's attributes

上記の出力を取得するには、何を変更する必要がありますか?

4

1 に答える 1

3

tdCSS セレクターを調整して、2 番目のみが必要であることを伝えます。"table.reference > tr > td"する代わりに"table.reference > tr > td:nth-of-type(2)"

于 2013-01-31T02:42:55.263 に答える