Perl屏幕上的数据擦除

Question

我想写一个Perl脚本来获取网页的html内容，然后刮掉表格的内容。确切的页面是：

http://djbpmstudio.com/Default.aspx?Page=album&id=1

到目前为止，我可以使用下面的代码以正则表达式的艺术家，专辑，流派等，以及在表中的第一项：

use LWP::Simple; 

$url = "http://djbpmstudio.com/Default.aspx?Page=album&id=1"; 
my $mystring = get($url) or die "Error fetching source page."; 
$mystring =~ s/[\r\n]/ /g;  #remove line breaks from HTML 
$mystring =~ s/(>)\s+(<)/$1$2/g; #Remove white space between html tags 
#print $mystring; 

if($mystring =~ m{</table><h1>(.*?) - (.*?) - (.*?)</h1>}) { 
    #Get Artist name and print 
    print "Artist: $1\n"; 
    print "Album: $2\n"; 
    print "Genre: $3\n\n"; 

    if($mystring =~ m{</tr><tr class="row-(.*?)"><td>(.*?)</td><td align="right">(.*?)</td></tr>}) { 
     #Get Songname and BPM and print 
     #print "$1\t"; 
     print "$2\t"; 
     print "$3\n"; 
    } 
} 

在嵌套IF，类在“row-a”和“row-b”之间交替。

我不知道如何下单，并获得所有的歌曲名称和每个BPM。我还想将歌名和BPM放入一个数组中供以后处理。

谢谢。

Answer 1

使用regular expressions to process HTML几乎总是一个坏主意。

不要坏。

使用理解HTML数据的模块来处理HTML数据。

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

my $html = get 'http://djbpmstudio.com/Default.aspx?Page=album&id=1'; 

my $te = new HTML::TableExtract(headers => ['Track Name', 'BPM']); 
$te->parse($html); 
foreach my $ts ($te->table_states) { 
    foreach my $row ($ts->rows) { 
     next unless $row->[0] =~ /\w/; # skip garbage rows 
     printf "%-20s ==> %.2f\n", $row->[0], $row->[1]; 
    } 
} 

Answer 2

使用HTML::TableExtract从表中抽取数据，它会让你的生活变得更轻松。