我正在尝试自动提取在网站上找到的成绩单。由于该网站在描述列表中对采访进行了格式化，因此可以在 dl 标记之间找到整个成绩单。下面的脚本允许我搜索站点并以纯文本格式提取文本，但我实际上正在寻找它以包含 dl 标签之间的所有内容，即 dd、dt 等。这将使我们能够为面试开发我们自己的 CSS。
关于该页面需要注意的是，在采访过程中的不同点插入了中断语句。我们发现一些使用配对从网页中提取信息的工具发现这是一个问题，因为它只在 break 语句之前抓取信息。如果您向我指出不同的方向，请记住一些事情。这是我到目前为止所拥有的。
#!/usr/bin/perl -w
use strict;
use WWW::Mechanize;
use WWW::Mechanize::TreeBuilder;
my $mech = WWW::Mechanize->new();
WWW::Mechanize::TreeBuilder->meta->apply($mech);
$mech->get("http://millercenter.org/president/clinton/oralhistory/madeleine-k-albright");
# find all <dl> tags
my @list = $mech->find('dl');
foreach ( @list ) {
print $_->as_text();
}
如果有一个工具可以打印我所拥有的，只是这次是 HTML，请告诉我！