[Rio-pm] HTML::Parse
Aureliano Guedes
guedes_1000 em hotmail.com
Sábado Outubro 20 09:27:32 PDT 2012
Pois é Bruno, aqui tambem da erro, mas se eu entrar nessa pagina http://www.buscamp3.org/busca/Thaeme+e+Thiago+-+Ai+que+do/ e clicar no link o download inicia, e aparentemente é esse o link, a não ser que esse link que eu esteja pegando da pagina esteja errado é o link de download seja outro.
From: bruno.buss em gmail.com
Date: Sat, 20 Oct 2012 12:39:02 -0300
To: rio-pm em pm.org
Subject: Re: [Rio-pm] HTML::Parse
Você consegue fazer o download desse arquivo manualmente, colando o endereço no seu próprio browser?Aqui esse link da erro...
[ ]'s
2012/10/20 Aureliano Guedes <guedes_1000 em hotmail.com>
Eu tinha chegado nesses links do mp3, o problema é que fazer o download deles não funciona.
No caso:
use LWP::Simple;
my @url = get ('www.buscamp3.org/dl/34736943505352494374/554545485125135/Thaeme+E+Thiago+-+Ai+Que+Do.mp3');
open OUT,">". 'abcde.mp3';
print OUT $_ foreach (@url);
Obtive um arquivo vazio.
Oque pode ser??
From: guedes_1000 em hotmail.com
To: rio-pm em pm.org
Date: Sat, 20 Oct 2012 15:25:29 +0000
Subject: Re: [Rio-pm] HTML::Parse
Web::Scraper requer conhecimento de XPath e/ou seletores CSS.
Nesse caso não é pra mim, não retenho esses conmhecimentos.
From: creaktive em gmail.com
Date: Sat, 20 Oct 2012 00:13:10 -0300
To: rio-pm em pm.org
Subject: Re: [Rio-pm] HTML::Parse
Web::Scraper requer conhecimento de XPath e/ou seletores CSS.
No caso do link que você passou, URL do primeiro MP3 pode ser obtida via XPath:
//table[@class='linhas_lista'][1]//tr/td[2]/a/@href
De onde tirei isso? De uma extensão pro Chrome, chamada XPath Helper: https://chrome.google.com/webstore/detail/xpath-helper/hgimnogjllphhhkhlmebbmlgjoejdpjl
Firefox tem (tinha?) um tal do XPather: https://addons.mozilla.org/en-US/firefox/addon/xpather/
Provando o que o Marcio disse:
stas em Stanislaws-MacBook-Pro:~$ perl -CADS -MDDP -MURI -MWeb::Scraper -e 'p scraper{process q(//h1/strong),title=>q(text);process q(//a[@href=~/\.mp3$/]),q(url[])=>q(@href)}->scrape((URI->new(q(http://www.buscamp3.org/busca/Thaeme+e+Thiago+-+Ai+que+do/))) x 2)'
Printing in line 1 of -e:\ { title "Baixar Thaeme e Thiago - Ai que do/ grátis", url [ [0] http://www.buscamp3.org/dl/3473494b6c3636334d55/554545485125135/Thaeme+E+Thiago+-+Ai+Que+Do.mp3,
[1] http://www.buscamp3.org/dl/3473674c78687936326f/554545485125135/Thaeme+E+Thiago+-+Ai+Que+Do.mp3,
[2] http://www.buscamp3.org/dl/34736943505352494374/554545485125135/Thaeme+E+Thiago+-+Ai+Que+Do.mp3,
[3] http://www.buscamp3.org/dl/34734c6f727448494d71/554545485125135/Thaeme+E+Thiago+-+Ai+Que+Do.mp3,
[4] http://www.buscamp3.org/dl/3473644e636d6f345245/554545485125135/Thaeme+E+Thiago+-+Ai+Que+Do.mp3
]}
Sem ser one-liner maldito:
#!/usr/bin/env perluse common::sense;use Data::Printer;use URI;use Web::Scraper;
my $url = URI->new('http://www.buscamp3.org/busca/Thaeme+e+Thiago+-+Ai+que+do/');
p scraper {
process q(//h1/strong), title => 'text'; process q(//a[@href=~/\\.mp3$/]), 'url[]' => '@href';}->scrape($url, $url);
ABS()
2012/10/19 Aureliano Guedes <guedes_1000 em hotmail.com>
Parece interessante mesmo, mas dificil de entender, principalmente quando é alguem que como eu não sabe nada de HTML.
Realmente não entendi como faria tudo isso com o Web::Scraper.
From: marciodesouzaferreira em gmail.com
Date: Fri, 19 Oct 2012 21:14:53 -0300
To: rio-pm em pm.org
Subject: Re: [Rio-pm] HTML::Parse
estou cansado pra implementar, mas o Web::Scraper é tipo um néctar dos deuses, vc faz um crawler em 5' com ele, bem estilo Perl(que sai da frente e deixa você focar na solução) isso se o HTML não for um monstrengo =)
[]s,
Marcio Ferreira em _marcioferreira(11) 8567-1482 skype: marcio.ferreir4marciodesouzaferreira.blogspot.com
2012/10/19 Rafael Prenzier <rafaelprenzier em gmail.com>
WWW::Mechanize ++
2012/10/19 Ricardo Filipo <ricardo_filipo em yahoo.com.br>
Eu gosto do HTML::TreeBuilder pois dá uma visão mais organizada do DOM.
Veja um exemplo de uso:
https://github.com/rfilipo/WebService-EBC/blob/master/lib/WebService/EBC/News.pm
De: Aureliano Guedes <guedes_1000 em hotmail.com>
Para: Rio PM <rio-pm em pm.org>
Enviadas: Sexta-feira, 19 de Outubro de 2012 13:22
Assunto: [Rio-pm] HTML::Parse
Ola monges,
tudo bem?
Qual um bom modulo para buscar string em um HTML?
Vocês aconselham o HTML::Parse?
Eu não entendo muito de html, mas estou tentando pegar um link dentro de uma pagina.
Um exemplo é esse: http://www.buscamp3.org/busca/Thaeme+e+Thiago+-+Ai+que+do/
Os Links estão nesse formato:
<a href="/download/thaeme+e+thiago+ai+que+do_3473494b6c3636334d55.html" title="Thaeme E Thiago - Ai Que Do">
O Problema é que no caso dessa pagina tem 4 links desse modelo e eu queria pegar apenas o primeiro.
Poderia usar regexp mas anteriormente me disseram que não é muito
elegante parsear HTML na unha.
Sei que a duvida é banal, mas se puderem me dar uma dica agradeço.
Att,
Aureliano Guedes.
_______________________________________________
Rio-pm mailing list
Rio-pm em pm.org
http://mail.pm.org/mailman/listinfo/rio-pm
_______________________________________________
Rio-pm mailing list
Rio-pm em pm.org
http://mail.pm.org/mailman/listinfo/rio-pm
--
Rafael Prenzier dos Santos | Engenheiro e Perl Monger
(11) 5209-0847
www.prenzier.com
_______________________________________________
Rio-pm mailing list
Rio-pm em pm.org
http://mail.pm.org/mailman/listinfo/rio-pm
_______________________________________________
Rio-pm mailing list
Rio-pm em pm.org
http://mail.pm.org/mailman/listinfo/rio-pm
_______________________________________________
Rio-pm mailing list
Rio-pm em pm.org
http://mail.pm.org/mailman/listinfo/rio-pm
_______________________________________________
Rio-pm mailing list
Rio-pm em pm.org
http://mail.pm.org/mailman/listinfo/rio-pm
_______________________________________________
Rio-pm mailing list
Rio-pm em pm.org
http://mail.pm.org/mailman/listinfo/rio-pm
_______________________________________________
Rio-pm mailing list
Rio-pm em pm.org
http://mail.pm.org/mailman/listinfo/rio-pm
--
Bruno C. Buss
http://www.brunobuss.net
_______________________________________________
Rio-pm mailing list
Rio-pm em pm.org
http://mail.pm.org/mailman/listinfo/rio-pm
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://mail.pm.org/pipermail/rio-pm/attachments/20121020/ff5af14a/attachment.html>
Mais detalhes sobre a lista de discussão Rio-pm