[英]How can I extract URL tags and link text from HTML in Perl?
我有一个包含以下内容的页面:
<a href="http://www.trial.com" title="yellow">Trial</a>
<a href="http://www.trial1.com" title="red">Trial2</a>
如何获取锚文本,URL和标题?
我想要这个输出:
Trial, http://www.trial.com, yellow
Trial2, http://www.trial1.com, red
我已经尝试使用WWW :: Mechanize ,如此处所述 ,但我不知道如何以这种方式获得标题。 你有什么想法?
简单版本,根据您的问题
这可能是您要寻找的:
use strict;
use warnings;
use WWW::Mechanize;
my $mech = WWW::Mechanize->new;
$mech->get('file:page.html');
foreach my $link ($mech->links) {
my $text = $link->text;
my $url = $link->url;
my $title = $link->attrs->{title};
print "$text, $url, $title\n"
}
快乐编码,TIMTOWTDI
使用问题中提供的文档。 我创造了可以解决您所相信的问题的东西。 显然,使用https://www.perlmonks.org存在一些异常,因为某些URL不是完整的URL,但是通过一些简单的检查和跳过(如果不是所需的话),我想您会得到所需的。
示例输出 :
_____________________________________________________________________________________________________________________________
| Text | URL | Attributes
_____________________________________________________________________________________________________________________________
| Testing a metacpan dist with XS components | ?node_id=1216149 | [name]post-head-id1216149[id]post-head-id1216149, |
| Controlling the count in array | ?node_id=1216134 | [name]post-head-id1216134[id]post-head-id1216134, |
可能您对hashref感到困惑。 您只需要创建一个for循环来遍历那些,即可获取属性标签及其值。
码:
#!/usr/bin/perl
# your code goes here
use strict;
use warnings;
use Data::Dumper;
use WWW::Mechanize ();
$ENV{'PERL_LWP_SSL_VERIFY_HOSTNAME'} = 0;
my @urls = (
q{https://www.perlmonks.org/}
);
my $mech = WWW::Mechanize->new();
$mech->get(@urls);
my @links = $mech->links();
print qq{______________________________________________________________________________________________________________\n};
printf(qq{| %-65s | %-75s | %-25s\n},q{Text},q{URL},q{Attributes});
print qq{______________________________________________________________________________________________________________\n};
foreach my $link (@links) {
if ($link->text() && $link->url()) {
my $a;
foreach my $attr (keys %{$link->attrs()}) {
next if $attr =~ m/href/i;
#$link->attr()->{$attr} is the value of the key in this hashref.
$a .= qq{[$attr]} . $link->attrs()->{$attr};
}
my $info;
if ($a) {
$info = sprintf(qq{| %-65s | %-75s | %-25s, },$link->text(),$link->url(),$a);
} else {
$info = sprintf(qq{| %-65s | %-75s |},$link->text(),$link->url());
}
print $info . qq{ |\n};
}
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.