解析HTML / xhtml中的RDFa？

在perl中使用RDF :: RDFa :: Parser模块将rdf数据解析出网站。 在网站上使用！DOCTYPE HTML PUBLIC“ - // W3C // DTD HTML 4.01 Transitional // EN”>它可以工作，但在使用xhtml！DOCTYPE html PUBLIC的网站上 - // W3C // DTD XHTML 1.0 Transitional // EN “”http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd“>无输出...

测试网站 - > http://www.filmstarts.de/kritiken/186918.html

use RDF::RDFa::Parser;

my $url     = 'http://www.filmstarts.de/kritiken/186918.html';
my $options = RDF::RDFa::Parser::Config->tagsoup;
my $rdfa    = RDF::RDFa::Parser->new_from_url($url, $options);

print $rdfa->opengraph('image');
print $rdfa->opengraph('description');

---

（我是RDF :: RDFa :: Parser的作者。）

它看起来像RDFa解析器使用的HTML解析器在该页面上失败。 （我也是所讨论的HTML解析器的维护者，所以我不能将责任转移到其他人身上！）因此，到RDFa解析开始时，它看到的只是一个空的DOM树。

该页面是非常无效的XHTML，但我仍然期望HTML解析器能够做出合理的工作。 我已经为您提交了一份错误报告。

同时，解决方法可能是在RDF :: RDFa :: Parser之外构建XML :: LibXML DOM树（也许使用libxml的内置HTML解析器？）。 您可以直接将该树传递给RDFa解析器：

use RDF::RDFa::Parser;
use LWP::Simple qw(get);

my $url     = 'http://www.filmstarts.de/kritiken/186918.html';
my $xhtml   = get($url);
my $dom     = somehow_build_a_dom_tree($xhtml);  # hand-waving!!
my $options = RDF::RDFa::Parser::Config->tagsoup;
my $rdfa    = RDF::RDFa::Parser->new($dom, $url, $options);

print $rdfa->opengraph('image');
print $rdfa->opengraph('description');

我希望这有助于！

更新：这里是somehow_build_a_dom_tree的可能实现...

sub somehow_build_a_dom_tree {
    my $p = XML::LibXML->new;
    $p->recover_silently(1);
    $p->load_html( string => @_ );
}

链接地址: http://www.djcxy.com/p/15709.html

上一篇: Parsing RDFa in html/xhtml?

下一篇: shadow not working