作者AntaresStar ()
看板Perl
标题Re: [问题] 抓取网页原始档内的资料
时间Sun May 22 19:56:28 2011
刚刚试了一下
最主要应该是字元编码的问题
我改成
#!/usr/bin/perl
use LWP::Simple;
use WWW::Mechanize;
$str = "一丁不识";
$info = "
http://www.google.com.tw/search?btnG=1&pws=0&q=";
$url = "$info"."$str";
$mech = WWW::Mechanize->new();
$mech->get($url);
@M=split(/\n/,$mech->content());
binmode(STDOUT, ':encoding(big5)');
print "@M";
那个.tw我不知道是不是你要的
在台湾打google.com的话会自动导向过去 但写成perl好像就不会自动导向
这样搜寻的结果跟编码都会不一样
※ 引述《yujhe (科科哲)》之铭言:
: 各位大大,我想要利用google来抓取我搜寻页面上的特定资料(做个自动搜寻机器人)
: 我参考前面几篇的文章,不过抓取到的原始档资料好像不是我要的
: 可以请各位大大帮我看一下原始码哪边出错了吗??
: #!/usr/bin/perl
: use LWP::Simple;
: use WWW::Mechanize;
: $str = "一丁不识";
: $info = "http://www.google.com/search?btnG=1&pws=0&q=";
: $url = "$info"."$str";
: $mech = WWW::Mechanize->new();
: $mech->get($url);
: @M=split(/\n/,$mech->content());
: print "@M";
: 我想要抓取Google"一丁不识"这个成语的页面原始档,
: http://www.google.com/search?btnG=1&pws=0&q=一丁不识
: 然後在去parse我想要的资料
: 不过最後印出来的结果好像和我直接在网页上看到的原始档不一样...
: 恳请各位大大帮忙解决~~
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 114.36.61.9
1F:推 yujhe:谢谢你!! 05/22 23:01