在html/xhtml中解析RDFa？

Question

使用perl中的RDF::RDFa::解析器模块解析网站中的rdf数据。在网站上与！DOCTYPE超文本标记语言PUBLIC"-//W3C//DTD超文本标记语言4.01过渡//EN"

测试网站-

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');

Answer 1

（我是RDF:：RDFa:：Parser的作者。）

RDFa解析器使用的超文本标记语言解析器似乎在该页面上失败。（我也是超文本标记语言解析器的维护者，所以我不能把责任推给任何人！）因此，当RDFa解析开始时，它只看到一个空的DOM树。

这个页面是非常可怕的无效XHTML，但我仍然期望超文本标记语言解析器能做一个合理的工作。我已经为你提交了一份错误报告。

同时，一种解决方法可能是在RDF::RDFa::解析器之外构建XML::LibXML DOM树（也许使用libxml的内置超文本标记语言解析器？）。您可以将该树直接传递给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');

我希望这有帮助！

更新：这里有一个可能的实现somehow_build_a_dom_tree...

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