如何启用 HTML::TableExtract 以识别特殊字符

Question

我试图解析包含科学记数法（希腊语等）的页面。 这是page。请注意，还有其他页面需要解析更多符号。

例如它包含以下 HTML

<td> human Interleukin 1&beta;        </td>

&beta 对希腊字母进行编码。

但是用HTML::TableExtract解析后变成了：

human Interleukin 1\x{3b2} 

有没有办法让下面的代码按原样捕获原始 HTML， 即维护1&beta。

use HTML::TableExtract;
use Data::Dumper;

# Local file for http://www.violinet.org/vaxjo/vaxjo_detail.php?c_vaxjo_id=55
my $file = "vaxjo_detail.php\?c_vaxjo_id\=50.html";

my $te = HTML::TableExtract->new();
$te->parse_file($file);
my ($table) = $te->tables;
print Dumper $table ;

Answer 1

它没有返回

human Interleukin 1\x{3b2} 

返回

human Interleukin 1β

Dumper 只是将其打印为 Perl 字符串文字

"human Interleukin 1\x{3b2}"

无论如何，如果您想要原始 HTML 而不是它所代表的文本，我相信将 keep_html => 1 传递给构造函数就可以了。