Foro - Perl en Español

El error dice que no se ha inscrito bien el módulo dentro del programa, o que no se ha instalado en alguno de los directorios indicados.

Por favor, localiza el directorio donde está instalado. Si no está, es que no se instaló.

Por ejemplo, para saber qué módulo Data::Dumper vamos a cargar:


Para instalarlo con el comando cpan, vale con escribir

cpan XML::RSS::FromHTML

No sé si lo he puesto bien pero esto es lo que pongo y el resultado creo que no se instala:




Cuando me pone esto le doy a sí todo el rato. ¿Igual es lo que estoy haciendo mal?

Si estás en Ubuntu, intenta siempre instalar primero los módulos desde el gestor de aplicaciones Synaptic (o desde la línea de comandos, con apt-get o con el gestor del sistema adecuado). Eso te garantizará que se bajarán las dependencias adecuadas. Veo que XML::RSS::FromHTML no está en mi lista de paquetes de software en mi Debian, así que tampoco estará en Ubuntu.

Pero... es posible que sí estén los que necesitas antes:

• YAML
• Class::Accessor::Fast
• XML::RSS
• HTML::Parser

Debes intentar instalar primero estos módulos. Primero mirando si están como paquetes de software. Y si no, con el comando cpan o el cpanp, instalarlos desde la línea de comandos, como root del sistema (debes ser root del sistema para que cpanp pueda colocarlo en los directorios del sistema donde perl va a buscar los módulos. Otra opción sería no instalarlos ahí, sino en un directorio personal, pero solo sería visible para tus programas. Consulta perlbrew, en ese caso).

Ojo con HTML::Parser. Dice que hay una versión vieja, así que hay que actualizarle. Si lo encuentras como paquete de software del sistema, comprueba que Ubuntu te da la versión que necesitas (la v3.68). Si no, lo mejor es desinstalarlo e instalarlo desde la línea de comandos con el cpanp.

Una vez que estén instalados ya puedes probar a instalar el XML::RSS::FromHTML.

Los mensajes de error indican errores muy graves: han terminado de forma brusca sin realizarse todas las comprobaciones (los avisos de Bad plan). Así que algo no está bien hecho.

Hola explorer. He intentado lo que me dijiste tanto con el gestor como con apt-get. Con el primero no encuentro el paquete en el repositorio. Igual se llama diferente y con apt-get me dice que no lo encuentra:



¿Tendré que descargarme los paquetes manualmente y entonces instalarlos uno por uno?

Es muy difícil acordarse del nombre de todos los paquetes de Debian/Ubuntu, así que es normal que no hayas acertado con el nombre del módulo.

En Debian (y por lo tanto, también en Ubuntu), los paquetes relacionados con Perl tienen estos nombres:

...
libperl-critic-perl
libperl6-export-perl
libperl6-form-perl
libperl6-say-perl
libperl6-slurp-perl
libperldoc-search-perl
libperlio-eol-perl
libperlio-via-dynamic-perl
...

Por eso, es mejor usar una herramienta como aptitude (desde la línea de comandos) o Synaptic (desde el entorno gráfico de Ubuntu), ya que te pueden ayudar a encontrarlos. El apt-get es para cuando sabes, exactamente, el nombre del paquete.

También puedes usar el comando apt-cache search perl para ver la lista completa. Y con apt-cache search perl|fgrep xml-rss, aquellos paquetes que contienen 'xml-rss' en el nombre. A mí me salen:



Con lo que no, no está en la lista el que buscamos.

Entonces, lo que hay que hacer es, primero, instalar los módulos de los que depende y sí están en la lista:



Y no está Class::Accessor::Fast. Éste y el XML::RSS::FromHTML entonces, los instalaremos con el comando cpanp:

Vale, después de instalar todo y pensar que ya me funcionaría me dice que UTF-8 está mal formado.



concretamente la línea que falla es esta en el fichero:

} else {
# Encode control chars, high bit chars and '<', '&', '>', ''' and '"'
$$ref =~ s/([^\n\r\t !\#\$%\(-;=?-~])/$char2entity{$1} || num_entity($1)/ge;
}
$$ref;
}

El error indica que HTML::Entities ha encontrado una entidad HTML que no se corresponde con ningún posible carácter UTF8.

Suena a que el HTML que intentas procesar no tiene bien indicada la codificación. O que has indicado mal la codificación de ese HTML en el momento de bajarlo. O que en el momento de bajarlo no se ha hecho ninguna codificación. O que se ha hecho dos veces (suele ser también malo). O que el HTML de partida tiene caracteres mal codificados...

En este hilo (en inglés) sucede exactamente eso. Al final, el autor se da cuenta de que el HTML de partida es el responsable (un lío, dice él).

Vaya, entonces, no me va a poder funcionar el script que me pusiste en la página uno. Es el que estaba intentado probar para ver si funciona y cómo genera los RSS.

¿A ti te funcionaba cuando lo ejecutabas en tu ordenador? Igual lo copié mal o algo porque si a ti sí te generaba la información.

Sí que me funcionaba, pero las pruebas las hice con un determinado sitio web deportivo.

Mi sistema es un OpenSuSE Linux v11.4, con Perl v5.12.3. Algunos módulos se instalaron con Yast, y otros con cpanp.

Lo he vuelto a ejecutar y sale bien:

Y ha funcionado porque el HTML donde me conecto tiene las tildes bien codificadas en lo que indica el <meta> de la cabecera: en iso-8859-15.

Ejemplo: en el HTML de partida aparece la frase: "El delantero brasileño abandonó el entrenamiento". Esa tilde y esa eñe están codificadas en iso-8859-15, y además, al principio del documento hay una línea así:


Para ser estrictos, lo que habría que hacer es:

• descomentar la línea 13, y
• descomentar la línea 40, para indicar que el $html está en iso-8859-15 y queremos pasarlo al formato interno de Perl

Luego, el XML::RSS (llamado desde XML::RSS::FromHTML) ya se encargará de pasar esos caracteres a entidades HTML.

Yo creo que el error viene porque el HTML de partida no está bien.

Si quieres, mándame en un mensaje privado la URL de la página de donde quieres extraer la información, y la miro.

Hola, explorer. He usado la misma página, la de Marca. Lo he copiado para ver si me salía lo mismo que a ti pero los resultados son los siguientes:

1).



Esto es si comento las líneas 13 y 40. Me genera un archivo .cache y otro .xml:

.cache:

$VAR1 = [
{
'link' => '/2011/05/05/futbol/equipos/atletico/1304589096.html',
'title' => 'El Atlético del futuro pasa por Toni y Kiko',
'description' => 'E'
},
{
'link' => '/2011/05/04/futbol/equipos/deportivo/1304539750.html',
'title' => 'Valerón seguirá un año más',
'description' => 'J'
},
{
'link' => '/2011/05/05/futbol/equipos/almeria/1304586734.html',
'title' => 'Carlos García: &quot;Bajar es fracasar en lo personal y en lo colectivo&quot;',
'description' => 'A'
},
{
'link' => '/2011/05/05/futbol/equipos/valencia/1304573465.html',
'title' => 'Albelda se pone serio con la renovación',
'description' => 'D'
},
{
'link' => '/2011/05/05/futbol/equipos/mallorca/1304577141.html',
'title' => 'Ramis puede salir del Mallorca por 6 millones de euros',
'description' => 'I'
},
{
'link' => '/2011/05/05/futbol/1adivision/1304575619.html',
'title' => 'Clase de interpretación para Pedro, Busquets y Mascherano',
'description' => 'C'
},
{
'link' => '/2011/05/05/futbol/equipos/real_sociedad/1304577676.html',
'title' => 'Ifrán no se entrenó y podría no ir a Valencia',
'description' => 'D'
},
{
'link' => '/2011/05/04/futbol/equipos/deportivo/1304536659.html',
'title' => 'Pablo Álvarez: &quot;Es un mal momento para volver a Gijón&quot;',
'description' => 'P'
},
{
'link' => '/2011/05/05/futbol/1adivision/1304581787.html',
'title' => 'La lucha por alcanzar Europa es cosa de cinco equipos',
'description' => 'L'
},
{
'link' => '/2011/05/05/futbol/equipos/espanyol/1304587323.html',
'title' => 'Callejón enciende la Liga',
'description' => 'L'
},
{
'link' => '/2011/05/04/futbol/1adivision/1304532016.html',
'title' => 'Verdú podrá jugar el derbi contra el Barça',
'description' => 'A'
},
{
'link' => '/2011/05/04/futbol/equipos/osasuna/1304514479.html',
'title' => 'Soriano: &quot;Estamos preparados para todo, sin miedo&quot;',
'description' => 'E'
}
];

.xml:

Error de parseo XML: no se encontraron elementos
Lugar: file:///home/jacks/Escritorio/Marca.xml
Línea 1, Columna 1:

2).



Y me genera lo siguiente si pongo las líneas 13 y 40 (No he omitido nada, esto es solo lo que me ha generado):

$VAR1 = [
{
'link' => '/2011/05/05/futbol/equipos/atletico/1304589096.html',
'title' => "El Atl\x{e9}tico del futuro pasa por Toni y Kiko",
'description' => 'E'
},
{
'link' => '/2011/05/04/futbol/equipos/deportivo/1304539750.html',
'title' => "Valer\x{f3}n seguir\x{e1} un a\x{f1}o m\x{e1}s",
'description' => 'J'
},
{
'link' => '/2011/05/05/futbol/equipos/almeria/1304586734.html',
'title' => "Carlos Garc\x{ed}a: &quot;Bajar es fracasar en lo personal y en lo colectivo&quot;",
'description' => 'A'
},
{
'link' => '/2011/05/05/futbol/equipos/valencia/1304573465.html',
'title' => "Albelda se pone serio con la renovaci\x{f3}n",
'description' => 'D'
},
{
'link' => '/2011/05/05/futbol/equipos/mallorca/1304577141.html',
'title' => 'Ramis puede salir del Mallorca por 6 millones de euros',
'description' => 'I'
},
{
'link' => '/2011/05/05/futbol/1adivision/1304575619.html',
'title' => "Clase de interpretaci\x{f3}n para Pedro, Busquets y Mascherano",
'description' => 'C'
},
{
'link' => '/2011/05/05/futbol/equipos/real_sociedad/1304577676.html',
'title' => "Ifr\x{e1}n no se entren\x{f3} y podr\x{ed}a no ir a Valencia",
'description' => 'D'
},
{
'link' => '/2011/05/05/futbol/1adivision/1304581787.html',
'title' => 'La lucha por alcanzar Europa es cosa de cinco equipos',
'description' => 'L'
},
{
'link' => '/2011/05/05/futbol/equipos/espanyol/1304587323.html',
'title' => "Callej\x{f3}n enciende la Liga",
'description' => 'L'
},
{
'link' => '/2011/05/04/futbol/equipos/deportivo/1304536659.html',
'title' => "Pablo \x{c1}lvarez: &quot;Es un mal momento para volver a Gij\x{f3}n&quot;",
'description' => 'A'
},
{
'link' => '/2011/05/04/futbol/equipos/osasuna/1304514479.html',
'title' => 'Soriano: &quot;Estamos preparados para todo, sin miedo&quot;',
'description' => 'E'
}
];