No se puede instalar el módulo XML :: LibXML en Windows

Question

Estoy tratando de utilizar XPath para extraer algunas etiquetas HTML y datos y para la que necesito utilizar el módulo XML::LibXML.

He intentado instalar desde shell de CPAN, pero no se instala.

He seguido las instrucciones desde el CPAN sitio acerca de la instalación, que necesitamos para instalar libxml2, iconv y zlib envoltorios antes de instalar XML::LibXML y no funcionó.

Además, si hay algún otro módulo simple que recibe mi tarea hecha, por favor hágamelo saber.

La tarea en cuestión:

Estoy buscando una etiqueta específica <dd> en una página HTML que es muy grande (alrededor del año 5000 - 10000) y las etiquetas <dd> <dt>. Por lo tanto, estoy escribiendo un guión que coincide con el contenido dentro de la etiqueta <dd> y recupera el contenido dentro de la (siguiente) <dt> etiqueta correspondiente.

Me gustaría que pude haber sido un poco más clara. Cualquier ayuda es muy apreciada.

Answer 1

Si está utilizando ActiveState Perl, se debe añadir los repositorios listados en ActivePerl 10xx paquetes PPM Win32 a ppm y luego usar

ppm install XML::LibXML

Tratando de analizar HTML como XML no es generalmente una tarea agradable. Creo HTML :: TokeParser es más adecuado para la tarea.

#!/usr/bin/perl

use strict;
use warnings;

use HTML::TokeParser;

my $p = HTML::TokeParser->new(\*DATA);

my @definitions;

while ( my $dl_tag = $p->get_tag('dl') ) {
    while ( my $dt_tag = $p->get_tag('dt') ) {
        my $term = $p->get_trimmed_text('/dt');
        my $dd_tag = $p->get_tag('dd');
        my $defn = $p->get_trimmed_text('/dd');
        push @definitions, [$term, $defn];
    }
}

use Data::Dumper;
print Dumper \@definitions;

__DATA__
<dl>
<dt>One</dt>
<dd>1</dd>
<dt>Two</dt>
<dd>2</dd>
</dl>

Salida:

$VAR1 = [
          [
            'One',
            '1'
          ],
          [
            'Two',
            '2'
          ]
        ];

Answer 2

Si lo que desea consultas XPath entonces que acabo de escribir un guión ayer que utiliza XML :: :: XPath XMLParser hacer consultas XPath en un archivo XML.

He probado tanto con la instalación de Perl Activestate y con el Perl fresa en ventanas.

No recuerdo tener que ir a CPAN para instalar los módulos (aunque es posible que tenga más temprano y se olvidó de hacerlo :)), por lo que quizás se puede utilizar el módulo XML :: XPath en su lugar?

Aquí está la muestra a partir de la documentación

use XML::XPath;
use XML::XPath::XMLParser;

my $xp = XML::XPath->new(filename => 'test.xhtml');

my $nodeset = $xp->find('/html/body/p'); # find all paragraphs

foreach my $node ($nodeset->get_nodelist) {
    print "FOUND\n\n", 
        XML::XPath::XMLParser::as_string($node),
        "\n\n";
}

Answer 3

Si se asume que está utilizando ActiveState Perl, usted puede obtener XML :: LibXML funcionando muy bien. Puede obtener XML :: LibXML de Randy Kobes' sitio y conseguir que libxslt / libxml , etc de zlatkovic.com

Me acaba de instalar libxml primero y luego usar ppm para instalar XML :: LibXML. Funciona muy bien.

Si está utilizando Strawberry Perl , CPAN debe trabajar para usted como libxml2, etc, son parte de la fresa distribución de Perl creo.

Answer 4

También vea mi post en el hilo ¿Cómo instalo XML :: LibXML para ActivePerl? .

se describen algunos problemas / soluciones que encontré la instalación de XML-LibXML usando PPM.