note
Anonymous Monk
<p> :D I might approach that like this (look ma, no slurping )
<p> $ [mod://lwp-download] http://www.costacrociere.it/it/lista_crociere/capitali_nord_europa-201206.html
<br/>Saving to 'capitali_nord_europa-201206.html'...
<br/>134 KB received in 1 seconds (134 KB/sec)
<br/>
<p>$ perl [id://947532|htmltreexpather.pl] <i>capitali_nord_europa-201206.html</i> [href://http://search.cpan.org/perldoc/HTML::Element#$h-%3Elook_down%28_...criteria..._%29|_tag p] | [mod://ack] Copenhagen -C3 | [man://head]
<c>//div[@id='ctl00_cph_PageContent_ucCLR_upCLC']/div[@class='info-cruise']/div[@class='sx']/p[@class='note']
------------------------------------------------------------------
HTML::Element=HASH(0xb91ba4) 0.1.0.8.1.0.1.1.1.0.0
Itinerario Danimarca, fiordi norvegesi, Germania Data partenza 17ágiugnoá2012 Nave Costa Fortuna N.ro giorni crociera á
7 Porto di partenza Copenhagen Documenti di viaggio PassaportoáoáCarta d'identit├á valida per l'espatrio Possono essere
disponibili le seguenti tariffe
/html/body/form/div/div[2]/div/div[2]/div/div[2]/div/p
//div[@id='ctl00_cph_PageContent_ucCLR_rpL_ctl00_BoxDescItinaryDx_pnlInfoCruise']/p
//div[@id='ctl00_cph_PageContent_ucCLR_rpL_ctl00_BoxDescItinaryDx_pnlInfoCruise']/p[@class='itinerari-info']
--
//div[@id='ctl00_cph_PageContent_ucCLR_upCLC']/div[@class='info-cruise']/div[@class='sx']/p[@class='note']
------------------------------------------------------------------
</c>
<p> Then plug stuff into [mod://Web::Scraper] , its like [mod://XML::Rules] <c>#!/usr/bin/perl --
use strict; use warnings;
use Data::Dump;
use URI;
use Web::Scraper;
my $soy = scraper {
## only get leafs/twigs with this @class
## store the results into { info => \@info }
process '.info-cruise' => 'info[]' => scraper {
process './/div[@class="sx"]/h3' => 'title' => 'TEXT';
process '.new-price' => 'price' => 'TEXT';
process '.itinerari-info' => 'span[]' => scraper {
#~ process '//span' => 'span[]' => 'RAW'; ## this
process '//span/b | //span/child::text()' => 'span[]' => sub {
my $ishtml = $_[0]->isa('HTML::Element');
my $keyOrVal = $ishtml ? 'key' : 'val';
my %foo = ( $keyOrVal => $_[0]->getValue );
$foo{raw} = $_[0]->as_XML if $ishtml;
return \%foo;
};
};
};
};
## NOTE Web::Scraper wants URI objects
my $url = URI->new('file:capitali_nord_europa-201206.html');
my $base='http://www.costacrociere.it';
my $ret = $soy->scrape( $url , $base );
#~ dd $ret;
dd $ret->{info}->[0];
__END__
{
price => "\x{20AC} 510,00",
span => [
{
span => [
{ key => " Itinerario ", raw => "<b> Itinerario </b>\n" },
{ val => " Danimarca, fiordi norvegesi, Germania" },
{ val => " " },
{ key => "Data partenza", raw => "<b>Data partenza</b>\n" },
{ val => " 17\xA0giugno\xA02012 " },
{ key => " Nave ", raw => "<b> Nave </b>\n" },
{ val => " Costa Fortuna" },
{
key => " N.ro giorni crociera \xA0 ",
raw => "<b> N.ro giorni crociera \xA0 </b>\n",
},
{ val => " 7" },
{ key => " Porto di partenza ", raw => "<b> Porto di partenza </b>\n" },
{ val => " Copenhagen" },
{
key => " Documenti di viaggio ",
raw => "<b> <a href=\"http://www.costacrociere.it/B2C/I/Before_you_go/documentation/travel.htm\" target=\"_blank\">Documenti di viaggio</a> </b>\n",
},
{
val => " Passaporto\xA0o\xA0Carta d'identit\xE0 valida per l'espatrio",
},
{ val => " Possono essere disponibili le seguenti tariffe " },
],
},
],
title => "Le terre dei vichinghi",
}
</c>
<p> I wouldn't be surprised if tobyink stops by with a [id://947540|Web::Magic example] :)
974906
974928
2