使用Perl中的HTML::TableExtract和HTML::Extor从HTML表获取链接

Question

我的目标是从以下网站中标题为"激动剂"、"拮抗剂"one_answers"变构调节剂"的表中提取链接：

http://www.iuphar-db.org/DATABASE/ObjectDisplayForward?objectId=1&familyId=1

我一直在使用HTML:：TableExtract来提取表，但无法获得HTML:：LinkExtor来检索有问题的链接。这是我迄今为止的代码：

use warnings;
use strict;
use HTML::TableExtract;
use HTML::LinkExtor;
my @names = `ls /home/wallakin/LINDA/ligands/iuphar/data/html2/`; 
foreach (@names)
{
chomp ($_);
my $te = HTML::TableExtract->new( headers => [  "Ligand", 
                        "Sp.", 
                        "Action", 
                            "Affinity", 
                        "Units",
                        "Reference" ] );
my $le = HTML::LinkExtor->new();
$te->parse_file("/home/wallakin/LINDA/ligands/iuphar/data/html2/$_");
my $output = $_;
$output =~ s/.html/.txt/g;
open (RESET, ">/home/wallakin/LINDA/ligands/iuphar/data/links/$output") or die "Can't reset";
close RESET;
#open (DATA, ">>/home/wallakin/LINDA/ligands/iuphar/data/links/$output") or die "Can't append to file";
foreach my $ts ($te->tables)
{
    foreach my $row ($ts->rows)
    {
        $le->parse($row->[0]);
        for my $link_tag ( $le->links ) 
        {
            my %links = @$link_tag;
            print @$link_tag, "n";
            }
        }
}
#print "Links extracted from $_n";
}

我已经尝试使用这个网站上另一个线程中的一些示例代码（HTML表中的Perl解析链接），但没有成功。我不确定这是解析问题还是表识别问题。如能提供任何帮助，我们将不胜感激。谢谢

Answer 1

尝试将其作为基本脚本（您只需要调整它以获取链接）：

use warnings; use strict;
use HTML::TableExtract;
use HTML::LinkExtor;
use WWW::Mechanize;
use utf8;
binmode(STDIN, ":utf8");
binmode(STDOUT, ":utf8");
binmode(STDERR, ":utf8");
my $m = WWW::Mechanize->new( autocheck => 1, quiet => 0 );
$m->agent_alias("Linux Mozilla");
$m->cookie_jar({});
my $te = HTML::TableExtract->new(
    headers => [
        "Ligand",
        "Sp.",
        "Action",
        "Affinity",
        "Units",
        "Reference"
    ]
);
$te->parse(
    $m->get("http://tinyurl.com/jvwov9m")->content
);
foreach my $ts ($te->tables) {
    print "Table (", join(',', $ts->coords), "):n";
    foreach my $row ($ts->rows) {
        print join(',', @$row), "n";
    }
}

Answer 2

您没有描述问题是什么……到底什么不起作用？$row->[0]包含什么？但部分问题可能是TableExtract默认情况下只返回"可见"文本，而不是原始html。您可能希望在html:：TableExtract中使用keep_html选项。