Comment extraire href d'un courriel de corps, en Perl?

Question

Je suis triyng pour extraire un peu d'url, il peut y en avoir plus d'un, qui viennent dans un courriel de corps.

Et je suis en train d'analyser les urls, avec ceci:

use strict; 
use warnings; 
use Net::IMAP::Simple; 
use Email::Simple; 
use IO::Socket::SSL; 

# here must be the connection to imap hidden for economize space 

my $es = Email::Simple->new(join '', @{ $imap->get($i) }); 
my $text = $es->body; 
print $text; 
my $matches = ($text =~/<a[^>]*href="([^"]*)"[^>]*>.*<\/a>/); 
print $matches; 

Le texte $ i ont le prochain texte:

--047d7b47229eb3d9f404e58fd90a 
    Content-Type: text/plain; charset=ISO-8859-1 

    Try1 <http://www.washingtonpost.com/> 

    Try2 <http://www.thesun.co.uk/sol/homepage/> 

    --047d7b47229eb3d9f404e58fd90a 
    Content-Type: text/html; charset=ISO-8859-1 

    <div dir="ltr"><a href="http://www.washingtonpost.com/">Try1</a><br><div><br></div><div><a href="http://www.thesun.co.uk/sol/homepage/">Try2</a><br></div></div> 

    --047d7b47229eb3d9f404e58fd90a-- 

La sortie du programme, me donne un 1 ... juste ça.

Quelqu'un peut-il aider ??

Merci dans le conseil.

Answer 1

Email :: Simple n'est pas adapté aux messages MIME. Utilisez Courriel à la place. Regex ne sont pas adaptés à l'analyse HTML. Utilisez Web::Query à la place.

use Courriel qw(); 
use Web::Query qw(); 

my $email = Courriel->parse(text => join …); 
my $html = $email->html_body_part; 
my @url = Web::Query->new_from_html($html)->find('a[href]')->attr('href'); 
__END__ 
http://www.washingtonpost.com/ 
http://www.thesun.co.uk/sol/homepage/ 

Answer 2

Les conseils que vous avez reçu sur l'utilisation d'un autre module de traitement de courrier électronique et non l'analyse syntaxique HTML avec des expressions régulières est tout bon et vous devez tenir compte certainement.

Mais personne n'a encore expliqué pourquoi votre code vous donne des résultats incorrects. C'est parce que vous appelez l'opérateur de correspondance dans un contexte scalaire. Dans le contexte scalaire, il renvoie une valeur booléenne indiquant si la correspondance a réussi ou non. D'où le 1 (vrai) que vous obtenez. Pour obtenir les captures de la regex, vous devez appeler l'opérateur match dans le contexte de la liste. Cela pourrait être aussi simple que cela:

my ($matches) = ($text =~/<a[^>]*href="([^"]*)"[^>]*>.*<\/a>/); 

Mais vous pouvez envisager d'utiliser un tableau si vous voulez toujours ajouter/g à l'opérateur de correspondance et obtenir plusieurs matchs.

my @matches = ($text =~/<a[^>]*href="([^"]*)"[^>]*>.*<\/a>/g);