解析一個網(wǎng)頁

perlw01f

網(wǎng)頁代碼太長了
看這個吧 http://www.springerlink.com/content/j7t650

我的目的
提取出目錄文件

$part_no  including:
$chap_no, $chap_title, $chap_page_range;

如 part1 包括
chap 1, abc, 1-10

關鍵問題在 如何提取與$part_no相關聯(lián)的chap
現(xiàn)在的問題是 用正則貌似比較麻煩
每次將包含$part_no與chap信息的內(nèi)容當做一塊 然后處理這個塊
m/<td colspan="3" class="viewGroup"(.*?)<td colspan="3" class="viewGroup"/mgs
可是這樣處理每次回漏掉一個part
請問有沒有合適的解析模塊做這個的不太懂
看了 HTML::TokeParser和HTML::TreeBuilder 也都好像不太合適
源碼中的那個div標簽用得神出鬼沒的 神鬼莫測

非常感謝

DQP

推薦 使用
HTML::TreeBuilder::XPath

perlw01f

use HTML::TreeBuilder::XPath
my $tree = HTML::TreeBuilder::XPath->new();
my $items = $tree->findnodes( '/html/body//td[@class="viewGroup"]' );
print Dumper($items) 發(fā)現(xiàn)這個貌似把網(wǎng)頁中的所有內(nèi)容都放進去了？而不僅僅是class="viewGroup"的td標簽
繼續(xù)求助

cobrawgl

把你那點積分都拿出來吧，會有人幫你做的