在本地文件上使用 perl WWW::Mechanize答案

【问题标题】：Use perl WWW::Mechanize on a local file在本地文件上使用 perl WWW::Mechanize
【发布时间】：2023-03-12 16:49:02
【问题描述】：

我目前正在编写 Perl 脚本，我使用 CPAN 模块 WWW:Mechanize 从网站获取 HTML 页面。但是，我也希望能够处理离线 HTML 文件（我很可能会事先保存自己），所以每次尝试新脚本时我都不需要互联网。所以基本上我的问题是如何改变这个：

$mech->get( 'http://www.websiteadress.html' );

进入这个：

$mech->get( 'C:\User\myfile.html' );

我已经看到 file:// 可能很有用，但我显然不知道如何使用它，因为我每次都会出错。

【问题讨论】：

您确定要在本地文件上使用WWW::Mechanize 吗？当您可以只使用open 文件时，使用LWP 套件毫无意义，并且该模块的大部分目的是处理链接点击、表单填写和提交，以及模拟浏览器上的后退和前进按钮.对于静态文件，这些都不可能，因此您只需要分析页面，您只需要 HTML::TreeBuilder 哪个 WWW::Mechanize 子类。
正如我所说，我的脚本的目的是在在线页面上工作，本地文件只是一种替代方案，主要用于测试编码错误（我真的很想知道为什么它不起作用！） .感谢您指出另一种方法。

【解决方案1】：

来自 WWW::Mechanize 的 get() 方法将 URL 作为其参数。因此，您只需要确定本地文件的正确 URL 是什么。您在“file://”方案的正确路线上。

我想你会需要：

$mech->get( 'file:///C:/User/myfile.html' );

请注意人们经常出错的两件重要事情。

URL 只能理解正斜杠 (/)，因此您需要转换 Windows 的扭曲反斜杠 (\) 怪物。 更新： 正如 Borodin 在评论中指出的那样，这不是真的 - 您可以在 URL 中使用反斜杠。但是，反斜杠在 Perl 字符串中通常具有特殊含义，因此我建议尽可能使用正斜杠。
方案是file，后跟://（带有两个斜杠），然后是主机名（是一个空字符串）一个斜杠（/），然后是您的本地路径（C:/） .这意味着在file: 之后有三个斜杠。这似乎是错误的，所以人们经常忽略其中之一。 更新：根据 Borodin 在评论中的建议，描述更加准确。

维基百科（一如既往）提供更多信息 - file URI scheme

【讨论】：

"URL 只理解正斜杠" file: URI 的内容是平台定义的。 file:///C:\Temp\t.txt 工作得很好。 “Windows 扭曲的反斜杠 (\) 怪物” 这不是部落主义的地方。请回答问题。
"方案是 file://" 不完全。该方案是file。在 URI 中，它必须后跟一个冒号和两个斜杠，然后是 host（在这种情况下，它是一个空字符串，表示本地计算机）另一个斜杠和路径。