interrogare i metadati dalla pagina HTML con SPARQL non restituisce nulla

Question

Mi sembra di avere qualche problema sia usando HTML::HTML5::Microdata::Parser o RDF::Query o con sintassi SPARQL e semantica. Sono interessato a questo bit da news site page.

<div class="authors"> 
Autoři: <span itemprop="author" itemscope itemtype="http://schema.org/Person"><a rel="author" itemprop="url" class="name" href="http://vice.idnes.cz/novinari.aspx?idnov=2504" ><span itemprop="name">Zdeňka Trachtová</span></a></span> 
, 
<span itemprop="author" itemscope itemtype="http://schema.org/Person"><a rel="author" itemprop="url" href="http://vice.idnes.cz/novinari.aspx?idnov=3495" ><span itemprop="additionalName">san</span></a><span class="h" itemprop="name">Sabina Netrvalová</span></span> 
</div> 

Ecco il mio codice di prova:

#! env perl 

use strict; 
use Data::Dumper; 
use HTML::HTML5::Microdata::Parser; 
use RDF::Query; 
use IO::Handle; 
use LWP::Simple; 


STDOUT->binmode(":utf8"); 
STDERR->binmode(":utf8"); 

my $htmldoc = LWP::Simple::get(
    "http://zpravy.idnes.cz/zacinaji-zapisy-do-prvnich-trid-dn3-/domaci.aspx?c=A160114_171615_domaci_zt"); 
die "Could not fetch URL. $@" unless defined $htmldoc; 

my $microdata = HTML::HTML5::Microdata::Parser->new (
    $htmldoc, $ARGV[0], 
    {auto_config => 1, tdb_service => 1, xhtml_meta => 1, xhtml_rel => 1}); 
print STDERR "microdata->graph:\n", Dumper($microdata->graph), "\n"; 

my $query = RDF::Query->new(<<'SPARQL'); 
PREFIX schema: <http://schema.org/> 
SELECT * 
WHERE { 
    ?author a schema:Person . 
} 
SPARQL 

my $people = $query->execute($microdata->graph); 
print STDERR "authors from RDF:\n", Dumper($people), "\n"; 
while (my $person = $people->next) { 
    print STDERR "people: ", $person, "\n"; 
} 

Le opzioni al HTML::HTML5::Microdata::Parser erano solo il mio ultimo disperato tentativo per fare questo lavoro. (Ho praticamente zero idea di quello che sto facendo.)

Qualche idea su come fare questo lavoro e ottenere i nomi degli autori?

Answer 1

Basta usare Mojo::UserAgent e Mojo::DOM:

use strict; 
use warnings; 
use utf8; 
use v5.10; 

BEGIN { 
    binmode *STDOUT, ':utf8'; 
    binmode *STDERR, ':utf8'; 
} 

use Mojo::UserAgent; 

my $url = "http://zpravy.idnes.cz/zacinaji-zapisy-do-prvnich-trid-dn3-/domaci.aspx?c=A160114_171615_domaci_zt"; 

my $dom = Mojo::UserAgent->new->get($url)->res->dom; 

# Process all authors 
for my $span ($dom->find('span[itemprop=author]')->each) { 
    say $span->all_text; 
} 

Uscite:

Zdeňka Trachtová 
san Sabina Netrvalová 

Per un breve tutorial 8 minuti su questi moduli, basta controllare Mojocast episode 5.