我正在编写一个基本脚本,它只是从网页中提取所有链接.它是用Perl编写的,并使用WWW :: Mechanize和HTML :: Treebuilder :: Xpath模块,这两个模块都是通过CPAN安装的.
我知道只使用WWW :: Mechanize就可以轻松完成,但是我也想学习使用XPath.
因此,脚本将解析整个网页,并检查每个锚标记的href属性,提取链接并将其打印到控制台/将其写入文件.请注意,在下面的脚本中,我没有使用use strict,因为我只是写这篇文章来澄清和理解使用XPath遍历HTML树的概念.
这是脚本：
#! /usr/bin/perl
use WWW::Mechanize;
use HTML::TreeBuilder::XPath;
use warnings;
$url="https://example.com";
$mech=WWW::Mechanize->new();
$mech->get($url);
$tree=HTML::TreeBuilder::XPath->new();
$tree->parse($mech->content);
$nodes=$tree->findnodes(q{'//a'}); # line is modified later.
foreach $node($nodes)
{
print $node->attr('href');
}
它给出了一个错误：
Can't locate object method "attr" via package "XML::XPathEngine::Literal" at pagegetter.pl line 23.
我修改了脚本如下：
$nodes=$tree->findnodes(q{'//a/@href'});
while($node=$nodes->shift)
{
print $node->attr('href');
}
错误：
Can't locate object method "shift" via package "XML::XPathEngine::Literal"
我不确定,如何打印href属性的值.
$nodes应该包含所有href属性的列表？我相信它不存储价值,而是指向它？
我尝试搜索和阅读示例,但我不知道如何去做.
谢谢.
最佳答案
有几个错误.修理：
# list context
my @nodes = $tree->findnodes(
q{//a} # just a string,not a string containings quotes
);
# iterate over array
for my $node (@nodes) {
