Question

在我的空闲时间，我一直在尝试通过使用LWP :: Simple来调查一个特定网站的产品页面以检查产品价格（我有点像perl）的脚本来提高我的perl能力菜鸟）。此脚本还保留了该项目最后价格的非常简单的积压（因为价格经常变化）。

我想知道是否有任何方法可以进一步自动化脚本，这样我就不必将页面的URL显式添加到初始哈希（即保留一组关键术语并执行搜索查询亚马逊以查找页面或价格？）。无论如何我可以做到这一点，不涉及我只是复制亚马逊的搜索URL和解析我的关键字？（我知道用正则表达式处理HTML通常是不好的形式，我只是用它，因为我只需要一小块数据）。


#!usr/bin/perl
use strict;
use warnings;
use LWP::Simple;

my %oldPrice;
my %nameURL = (
    "Archer Season 1" => "http://www.amazon.com/Archer-Season-H-Jon-Benjamin/dp/B00475B0G2/ref=sr_1_1?ie=UTF8&qid=1297282236&sr=8-1",
    "Code Complete" => "http://www.amazon.com/Code-Complete-Practical-Handbook-Construction/dp/0735619670/ref=sr_1_1?ie=UTF8&qid=1296841986&sr=8-1",
    "Intermediate Perl" => "http://www.amazon.com/Intermediate-Perl-Randal-L-Schwartz/dp/0596102062/ref=sr_1_1?s=books&ie=UTF8&qid=1297283720&sr=1-1",
    "Inglorious Basterds (2-Disc)" => "http://www.amazon.com/Inglourious-Basterds-Two-Disc-Special-Brad/dp/B002T9H2LK/ref=sr_1_3?ie=UTF8&qid=1297283816&sr=8-3"
);

if (-e "backlog.txt"){
    open (LOG, "backlog.txt");
    while(){
        chomp;
        my @temp = split(/:\s/);
        $oldPrice{$temp[0]} = $temp[1];
    }
close(LOG);
}

print "\nChecking Daily Amazon Prices:\n";
open(LOG, ">backlog.txt");
foreach my $key (sort keys %nameURL){
    my $content = get $nameURL{$key} or die;
    $content =~  m{\s*\$(\d+.\d+)} || die;
    if (exists $oldPrice{$key} && $oldPrice{$key} != $1){
        print "$key: \$$1 (Was $oldPrice{$key})\n";
    }
    else{
    print "\n$key: $1\n";
    }
    print LOG "$key: $1\n";
}
close(LOG);

Answer 1

是的，设计可以改进。最好删除所有内容，然后重新使用现有的功能齐全的Web抓取应用程序或框架，但是因为您想学习：

网址名称为configuration data。从程序外部检索它。
将历史数据存储在database。
学习XPath和use it to extract data from HTML，如果你已经克服了CSS选择器，这很容易。

其他堆码器，如果您想根据每条建议的理由修改我的帖子，请继续编辑。

Answer 2

我制作了简单的脚本来演示亚马逊搜索自动化。使用转义搜索字词更改了所有部门的搜索网址。其余代码是使用HTML::TreeBuilder进行简单解析。可以使用dump方法轻松检查相关HTML的结构（请参阅注释掉的行）。

use strict; use warnings;

use LWP::Simple;
use URI::Escape;
use HTML::TreeBuilder;
use Try::Tiny;

my $look_for = "Archer Season 1";

my $contents
  = get "http://www.amazon.com/s/ref=nb_sb_noss?url=search-alias%3Daps&field-keywords="
        . uri_escape($look_for);

my $html = HTML::TreeBuilder->new_from_content($contents);
for my $item ($html->look_down(id => qr/result_\d+/)) {
    # $item->dump;      # find out structure of HTML
    my $title = try { $item->look_down(class => 'productTitle')->as_trimmed_text };
    my $price = try { $item->look_down(class => 'newPrice')->find('span')->as_text };

    print "$title\n$price\n\n";
}
$html->delete;

使用Perl LWP查询网站::简单处理在线价格

2 个答案: