![](/img/trans.png)
[英]How can I get the links from a web page using WWW::Mechanize and Perl
[英]How can I get links that match a regex using WWW::Mechanize?
我正在尝试使用正则表达式来捕获链接,但是不能。 我拥有所有链接,但是有许多不需要的链接。
我要做的是获取所有链接: http://valeptr.com/scripts/runner.php?IM=
: http://valeptr.com/scripts/runner.php?IM=
遵守此模式。
我把我正在做的脚本:
use warnings;
use strict;
use WWW::Mechanize;
use WWW::Mechanize::Sleepy;
my $Explorador =
WWW::Mechanize->new(
agent =>
'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.4) Gecko/20030624',
sleep => '5..20'
);
#Proceed to access the URL to find all the links in emails
$Explorador->get("file:/home/alejandro/Escritorio/hehe.php.html");
#If you want debug DOM Document.
#print $Explorador->content();
my @links = $Explorador->links;
foreach my $link (@links) {
# Retrieve the link URL like:
# http://valeptr.com/scripts/runner.php?IM=0cdb7d48110375.
my $href = $link->url;
foreach my $s ($href) { #Aqui la expresión regular
my @links = $s =~ qr{
(
[^B]*
)
$
}x;
foreach (@links) {
print "\n",$_;
}
}
}
PS:我猜想这个正则表达式将比看到的更多但看不见。 如果是这样的话,回来再发表一个相同的帖子。
问题:有大量的链接,我需要链接与老板终止的链接: Http: // valeptr.com/scripts/runner.php?IM=
为此,在第19行中,我必须应用表达式Http: // valeptr.com/scripts/runner.php?IM=
。 这个变量我的@ links = $ Explorador-> links; 他返回所有存在的链接。 但是我只希望我上面已经提到的链接。 真诚的
为什么不让WWW::Mechanize
为您完成工作,特别是当它可以通过提供的正则表达式为您过滤链接时?
my @wanted_links = $Explorador->find_all_links (
url_regex => qr{scripts/runner\.php\?IM=}
);
没有for
循环!
由于您的参考链接似乎是固定的,因此您可以考虑使用substr而不是regex
$ref_link = q!http://valeptr.com/scripts/runner.php?IM=!;
foreach my $link ( $Explorador->links ) {
my $href = $link->url;
if ( substr($href, 0, length($ref_link)) eq $ref_link ) {
push @save, $href;
}
}
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.