使用perl WWW ::对本地文件进行机械化

我目前正在使用Perl脚本，并使用CPAN模块WWW：通过机械化从网站获取HTML页面。但是，我希望能够在离线HTML文件上工作（我会事先保存好自己），所以每次尝试新脚本时都不需要互联网。所以基本上我的问题是如何改变这样的：使用perl WWW ::对本地文件进行机械化

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

到这一点：

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

我见过的文件：//可能是有用的，但我显然不知道如何使用它，因为我每次都会遇到错误。

来源

2016-08-04 Azaghal

您确定要使用'上的本地文件WWW :: Mechanize'？当你只需打开文件时，使用'LWP'套件就没什么意义了，模块的许多用途是处理对链接的点击，表单填写和提交以及在浏览器上模拟后退和前进按钮。这些都不是静态文件可能的，所以你只剩下页面的分析，你只需要[HTML :: TreeBuilder]（https://metacpan.org/pod/HTML::TreeBuilder） WWW :: Mechanize'子类。 – Borodin

正如我所说的脚本的目的是在网页上工作，本地文件只是一个替代方案，主要是为了测试编码错误（我真的想知道为什么它不起作用！）。感谢您指出另一种方式来做到这一点。 – Azaghal

来自WWW :: Mechanize的get()方法将URL作为参数。所以你只需要确定你的本地文件的正确URL是什么。你在“file：//”方案的右边。

我认为你将需要：

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

注意，人们经常拿错两个重要的事情。

网址才明白斜杠（/），所以你需要转换成Windows的扭曲反斜杠（\）怪物。 更新：正如Borodin在评论中指出的那样，这不是事实 - 您可以在URL中使用反斜杠。然而，反斜杠在Perl字符串中通常有特殊的含义，所以我建议尽可能使用正斜杠。
该方案是file，其次是://（有两个斜线），然后是主机名（这是一个空字符串）斜杠（/），然后是您的本地路径（C:/）。这意味着在file:之后有三个斜线。这似乎是错误的，所以人们经常忽略其中的一个。 更新：根据Borodin的建议，评论中的描述更加准确。

维基百科（一如既往）有很多的详细信息 - file URI scheme

来源

2016-08-04 15:20:13

*“URL只能识别正斜杠”*一个'file：'URI的内容是平台定义的。 'file：/// C：\ Temp \ t.txt'工作得很好。 *“Windows”扭曲反斜杠（\\）怪物“*这不是部落主义的地方。请回答这个问题。 – Borodin

*“方案是file：//”*不完全。该计划是'文件'。在一个URI中它必须跟一个冒号和两个斜杠，然后*主机*（在这种情况下它是一个空字符串，表示本地机器）另一个斜杠和路径。 – Borodin

使用perl WWW ::对本地文件进行机械化

回答

相关问题