使用perl从多表html文件中提取特定表

Question

我有一个包含三个表的html文件。但我想只提取三个中的一个表。我该怎么做？

Answer 1

您可以使用已知的Perl模块执行此操作，例如：

• LWP
• WWW::Mechanize
• HTML::TreeBuilder
• HTML::TreeBuilder::XPath

全部都在http://search.cpan.org

最后一个Perl模块非常有用，您可以使用Xpath表达式，如：

//table[0]/tr[3]/td[2]/text()

例如，要从第一个td打印第三个tr中的第二个table元素的文本。

Answer 2

用于提取HTML文档部分的好模块是HTML::Query。

它提供了一个类似jQuery的界面，用于选择要提取的文档的哪个部分。