Question

如何检查网页是否包含特定字词。示例：如果页面包含单词“candybar”，我想返回true或false。请注意，“candybar”可能位于标签（candybar）之间，有时也可能不在。我该如何做到这一点？

这是我的“抓取”网站的代码（现在不知道如何检查网站）：

#!/usr/bin/perl -w

use utf8;

use RPC::XML;
use RPC::XML::Client;
use Data::Dumper;
use Encode;
use Time::HiRes qw(usleep);

print "Content-type:text/html\n\n";

use LWP::Simple; 

$pageURL = "http://example.com"; 

$simplePage=get($pageURL);

if ($simplePage =~ m/candybar/) {   
 print "its there!";
}

Answer 1

我建议您使用某种解析器，如果您正在寻找HTML中的单词或以已知方式标记的任何其他内容[例如，XML]。我使用HTML :: Tokeparser，但CPAN上有很多解析模块。

如果您使用此解析器，我已将解析器返回的解释留作注释。这是从我用来机器翻译网页中的文本的实时程序中提取的，所以我已经取出了一些零碎的东西。

以上关于检查LWP退货状态和内容的评论也是非常明智的，如果网站脱机，您需要知道。

打开（我的$ fh，“＆lt;：utf8”，$ file）||死“无法打开$ file：$！”;

my $p = HTML::TokeParser->new($fh) || die "Can't open: $!";

$p->empty_element_tags(1);    # configure its behaviour
# put output into here and it's cumulated
while ( my $token = $p->get_token ) {
    #["S",  $tag, $attr, $attrseq, $text]
    #["E",  $tag, $text]
    #["T",  $text, $is_data]
    #["C",  $text]
    #["D",  $text]
    #["PI", $token0, $text
    my ($type,$string) = get_output($token) ;             
    # ["T",  $text, $is_data] : rule for text
    if ( $type eq 'T' && $string =~ /^candybar/ ) {

    }

检查页面是否包含特定单词

1 个答案: