Perl快速HTML提取

Question

我想從幾個HTML頁面中提取數據，但對HTML提取不熟悉。 我有一個工作代碼，可以讀取整個頁面的源代碼，然后使用正則表達式刪除不需要的部分，但是這似乎很慢。

我正在閱讀財務信息，並且只想從每一頁中提取一個數字，因此實際上並不想每次都盡可能閱讀整個頁面。

這就是我在Perl中所擁有的：

use LWP::Simple;
my $mult;
my $url = 'http://www.wikinvest.com/stock/Apple_(AAPL)/Data/Net_Income/2014/Q1';

$content = get($url);

$content =~ s/\R//g; # remove linebreaks
$content =~ s/.*\<div class="nv_lefty" id="nv_value">//; # remove everything before tag
$content =~ s/\<.*//g; # remove everything after <...

if ($content =~ s/billion//) {$mult = 1e9;}
elsif ($content =~ s/million//) {$mult = 1e6;}
else {$mult = 1;}

$content =~ s/[^\d.-]//g; # keep numbers, commas and - only
$content = $content * $mult;

get($url)命令的速度很慢，因為它會提取大量數據，而我只對單個數字感興趣。 有更快的方法嗎？ 我查看了HTML :: TableExtract，但我認為提取的數字不在標准HTML表格中。 也不確定是否會更快。

Answer 1

看一下Web :: Scraper而不是使用正則表達式。 這樣的事情可以為您節省很多時間，並且不易出錯。