在 Mojo 中查找以特定 url 开头的链接答案

【问题标题】：Find links in Mojo that start with certain url在 Mojo 中查找以特定 url 开头的链接
【发布时间】：2018-07-15 00:31:44
【问题描述】：

我有 Mojo::DOM。

  my $doc = Mojo::DOM->new(decode_utf8($html_page_content);

我想要两件事之一：

1) 查找所有以“/my_link”、“/my_link2”或“/my_link3”开头的“a”标签

或

2) 查找所有“a”标签，遍历它们并检查链接是否以“/my_link”、“/my_link2”或“/my_link3”开头

如果两者之间存在很大差异，则以哪个更有效。

我该怎么做？

我知道如何找到所有链接：

  $doc->find('a')->each(sub {
    my $link = Mojo::URL->new($_);
    # ....

【问题讨论】：

您想知道哪个更高效吗？您实际上已经写出了方法 2 - 只需添加过滤器代码即可。
@ialarmedalien 是的。以及如何添加过滤代码？
过滤代码类似于if ($link =~ /whatever/)

标签： perl mojolicious

【解决方案1】：

您可以使用css selectors 将搜索范围缩小到特定网址。特别是，您需要搜索具有属性href (a[href]) 的链接，其中href 的值以某个字符串(a[href^="..."]) 开头。要搜索多个不同的 URL，只需在 $dom->find('...') 中使用逗号分隔的选择器列表。

这是一个提取以三个不同字符串开头的链接的示例（我使用了此网页中的 URL）。您可以根据自己的情况进行调整：

my $dom = Mojo::DOM->new($page);

for my $url ( $dom->find('a[href^="https://stackoverflow.com"], a[href^="https://stackexchange.com"], a[href^="https://area51"]')->each ) {
    say $url->attr('href'); # or do whatever you want to here
}

如果您想使用建议的方法 (2)，获取所有链接并自己过滤它们，您可以这样做：

for my $url ( $dom->find('a[href^="https://"]')->each ) {

    # substitute in your own regex here
    if ( $url->attr('href') =~ /(stackoverflow|area51|codereview)/ ) {
       say $url->attr('href'); # or whatever
    }
}

这两种方法的效率不太可能有很大差异，而且您可能会花费更多的时间来对它们进行基准测试，而不是使用两者中的哪一个更快。

【讨论】：