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:Perl屏幕上的数据擦除
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。
[除XHTML自包含标签的正则表达式匹配开放标签]的可能重复(http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags) – outis 2011-04-26 01:15:15