在 Common Lisp 中抓取 HTML 表格？

Question

我想从包含在 HTML

中的网页中提取一些信息。怎样才能把所有的表信息提取成一个不错的|分开的文件？ 作者|书籍|年份|评论 比尔·布赖森|几乎所有事物的简史|2004 斯蒂芬霍金|时间简史|1998|还没读完。

理想情况下，我想要一个函数，将 URL 和输出文件作为参数，然后给出上述输出。

(defun 提取表 (url 文件名) （从 html 表中提取（获取网页 url））） （提取表“http://www.mypage.com”“output.txt”）

上述输出的示例 HTML 输入：

欢迎使用 Lisp

作者	图书	年份	评论
比尔·布莱森	几乎所有事物的简史	2004
史蒂芬·霍金	时间简史	1998	还没读完。

正文>

Answer 1

从Drakma 开始获取数据。要解析这件事，您可能会发现 cxml 很有帮助。或者更好：您可以使用closure-html，它应该解析任意HTML 4。closure-html 包的Common-Lisp.net 页面有一个screen scraping example。