如何用perl处理html表格，抓取html表格里的信息
试试HTML::TableExtract模块，例子：
招商银行储蓄存款利率表http://www.cmbchina.com/CmbWebPubInfo/InterestRate.aspx?chnl=ckrate
将其中的表格节选部分html放到perl变量$content中处理。
#!/usr/bin/perl
use warnings;
use strict;
use HTML::TableExtract;
use Data::Dumper;
my $content=<<EOF;
<table class="tablecontent" cellpadding="0" cellspacing="1" border="0">
<thead>
<tr>
<th>存期</th>
<th>人民币</th>
<th>美元</th>
<th>英镑</th>
<th>欧元</th>
<th>日元</th>
<th>港币</th>
<th>加拿大元</th>
<th>瑞士法郎</th>
<th>澳大利亚元</th>
<th>新加坡元</th>
</tr>
</thead>
<tr class="">
<td>活期</td>
<td>0.3850</td>
<td>0.0500</td>
<td>0.0500</td>
<td>0.0050</td>
<td>0.0001</td>
<td>0.0100</td>
<td>0.0100</td>
<td>0.0001</td>
<td>0.2375</td>
<td>0.0001</td>
</tr>
<tr class="alteritem">
<td>通知存款 一天</td>
<td>0.8800</td>
<td></td>
<td></td>
<td></td>
<td></td>
<td></td>
<td></td>
<td></td>
<td></td>
<td></td>
</tr>
<tr class="">
<td>通知存款 七天</td>
<td>1.4850</td>
<td>0.0500</td>
<td>0.0500</td>
<td>0.0050</td>
<td>0.0005</td>
<td>0.0100</td>
<td>0.0100</td>
<td>0.0005</td>
<td>0.2625</td>
<td>0.0005</td>
</tr>
</table>
EOF
my $te = new HTML::TableExtract();
$te->parse( $content );
for my $ts ($te->table_states) {
print $ts;
for my $row ($ts->rows) {
print Dumper $row;
}
}
输出：
HTML::TableExtract::Table=HASH(0xa1b7c08)$VAR1 = [
'存期',
'人民币',
'美元',
'英镑',
'欧元',
'日元',
'港币',
'加拿大元',
'瑞士法郎',
'澳大利亚元',
'新加坡元'
];
$VAR1 = [
'活期',
'0.3850',
'0.0500',
'0.0500',
'0.0050',
'0.0001',
'0.0100',
'0.0100',
'0.0001',
'0.2375',
'0.0001'
];
$VAR1 = [
'通知存款 一天',
'0.8800',
undef,
undef,
undef,
undef,
undef,
undef,
undef,
undef,
undef
];
$VAR1 = [
'通知存款 七天',
'1.4850',
'0.0500',
'0.0500',
'0.0050',
'0.0005',
'0.0100',
'0.0100',
'0.0005',
'0.2625',
'0.0005'
];
while(<FILE>) {
chomp;
s/^\s+|\s+$//g;
if(/^<table>$/ .. /^<\/table>$/) {
if(/<\/tr>/) {
$flag = 1;
}
if(/<td>(.+)<\/td>/) {
$flag ? push @val, $1 : push @key, $1;
}
}
}
for (my $i = 0; $i < @key; $i++) {
print $key[$i], ' => ', $val[$i], "\n";
}
