Вытаскиваем все ссылки из HTML perl'ом

Попробуйте так:

# преобразуем массив строк HTML-страницы в строку

$html = join("",@html);

# выбираем все ссылки со страницы

@html = $html =~ m/<A[^>]+?HREF\s*=\s*["']?([^'" >]+?)[ '"].*?>/sig;

не работает :(

#!/usr/bin/perl

# Более подробно

print "Content-type: text/html\n\n";

# указываем путь к HTML-файлу

$file = "/путь к файлу/my_file.htm";

# читаем HTML-файл и пишем все в массив

open (FILE,"<$file"); @html=<FILE>; close(FILE);

# преобразуем массив строк HTML-страницы в строку

$html = join("",@html);

# выбираем все ссылки со страницы

@html = $html =~ m/<A[^>]+?HREF\s*=\s*["']?([^'" >]+?)[ '"].*?>/sig;

# выводим полученные ссылки, каждая - с новой строки

foreach (@html) {

print $_ . "<br>";

}

интересно, а анкоры вытащить намного сложнее?

можете помочь со скриптом?

# выбираем все ссылки со страницы

@links= $html =~ m/<A[^>]+?HREF\s*=\s*["']?([^'" >]+?)[ '"].*?>/sig;

@anchors= $html =~ m/<A[^>]+?HREF\s*=\s*["']?[^'" >]+?[ '"].*?>([^<]+)/sig;

# выводим полученные ссылки, каждая - с новой строки

foreach (@links) {

print $_ . "<br>";

}

foreach (@anchors) {

print $_ . "<br>";

}

типа того...

Вариантов для реализации очень много, можно и так:

# выбираем все ссылки с анкорами со страницы

while ($html =~ s/<A[^>]+?HREF\s*=\s*["']?([^'" >]+?)[ '"].*?>([^<]+)//si) {

push @Ahtml, $2.": ".$1

}

# выводим полученные анкоры и ссылки, каждую пару - с новой строки

foreach (@Ahtml) {print $_ . "<br>";}