用于提取链接的 HTML Treebuilder XPath

Question

我正在编写一个基本脚本，它只从网页中提取所有链接。它是用 Perl 编写的，使用了 WWW::Mechanize 和 HTML::Treebuilder::Xpath 模块，这两个模块都是我通过 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 来完成。

因此，脚本将解析整个网页，检查每个 anchor 标记的 href 属性，提取链接并将其打印到控制台/写入文件。请注意，在下面的脚本中，我没有使用 use strict，因为我写这个只是为了澄清和理解使用 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？我相信它不存储值，而是指向它的指针？

我尝试搜索和阅读示例，但我不确定如何去做。

谢谢。

Answer 1

有几个错误。维修:

# list context
my @nodes = $tree->findnodes(
    q{//a}       # just a string, not a string containings quotes
);

# iterate over array
for my $node (@nodes) {