1

Perl WWW::Mechanize::Firefox 已成功检索网页内容，并存储在标量变量$content中。

my $url = 'http://finance.yahoo.com/quote/AAPL/financials?p=AAPL';
$mech->get($url);
my $content= $mech->content();

在检查中$content，我有兴趣识别和保存.span tagstable

有很多我不感兴趣的课程。

尝试#1 没有成功。

my $tree = HTML::TreeBuilder->new_from_content($txtRawData);    
my @list = $mech->find('span');

foreach ( @list ) {
print $_->as_HTML();
}

第 2 次尝试没有成功。

foreach my $tag ($tree->look_down(_tag => 'span')) {
    my $value = $tag->as_text;  
}

感兴趣的 HTML 表是： 

<div class="Mt(10px)">
    <table class="Lh(1.7) W(100%) M(0)">
        <tbody>
            <tr class="Bdbw(1px) Bdbc($lightGray) Bdbs(s) H(36px)">
                <td class="Fw(b) Fz(15px)">
                    <span>Revenue</span>
                </td>

                <td class="C($gray) Ta(end)">
                    <span>9/24/2016</span>
                </td>

                <td class="C($gray) Ta(end)">
                    <span>9/26/2015</span>
                </td>

                <td class="C($gray) Ta(end)">
                    <span>9/27/2014</span>
                </td>
            </tr>

            <tr class="Bdbw(1px) Bdbc($lightGray) Bdbs(s) H(36px)">
                <td class="Fz(s) H(35px) Va(m)">
                    <span>Total Revenue</span>
                </td>

                <td class="Fz(s) Ta(end)">
                    <span>
                        <span>215,639,000</span>
                    </span>
                </td>

                <td class="Fz(s) Ta(end)">
                    <span>
                        <span>233,715,000</span>
                    </span>
                </td>

                <td class="Fz(s) Ta(end)">
                    <span>
                        <span>182,795,000</span>
                    </span>
                </td>
            </tr>

            <tr class="Bdbw(1px) Bdbc($lightGray) Bdbs(s) H(36px)">
                <td class="Fz(s) H(35px) Va(m)">
                    <span>Cost of Revenue</span>
                </td>

                <td class="Fz(s) Ta(end)">
                    <span>
                        <span>131,376,000</span>
                    </span>
                </td>

                <td class="Fz(s) Ta(end)">
                    <span>
                        <span>140,089,000</span>
                    </span>
                </td>

                <td class="Fz(s) Ta(end)">
                    <span>
                        <span>112,258,000</span>
                    </span>
                </td>
            </tr>

            <tr class="Bdbw(0px)! H(36px)">
                <td class="Fw(b) Fz(s) Pb(20px)">
                    <span>Gross Profit</span>
                </td>

                <td class="Fw(b) Fz(s) Ta(end) Pb(20px)">
                    <span>
                        <span>84,263,000</span>
                    </span>
                </td>

                <td class="Fw(b) Fz(s) Ta(end) Pb(20px)">
                    <span>
                        <span>93,626,000</span>
                    </span>
                </td>

                <td class="Fw(b) Fz(s) Ta(end) Pb(20px)">
                    <span>
                        <span>70,537,000</span>
                    </span>
                </td>
            </tr>
        </tbody>
    </table>
</div>

选择（设置焦点）一个特定table的（它们可能是$content变量内的多个表）并将文本之间的文本保存span tags到数组（要传递给下一个过程 - 插入到数据库表中）的最佳方法是什么)?

我还想强调一点：

  1. 有时，文本位于两（双）组span tags.
  2. 没有表格标题行（或th标签）。
4

1 回答 1

1

如果你真的在$tree而不是在$mech. 结合as_text你的第二次尝试非常好。

use HTML::TreeBuilder;
my $tree = HTML::TreeBuilder->new_from_content(my @foo = <DATA>);
my @list = $tree->find('span');

foreach ( @list ) {
    say $_->as_text();
}
__DATA__
<div class="Mt(10px)">
    <table class="Lh(1.7) W(100%) M(0)">
...

这将输出一个跨度内容列表。您应该能够清理它们并与它们一起工作。

Revenue
9/24/2016
9/26/2015
9/27/2014
...

当然，作为一个实际的表（array-of-arrays）它可能更有意义，但为此我们必须知道你想要做什么。

于 2017-03-13T21:28:57.263 回答