ホーム » ブログ » yasさんのブログ

Perl で、URL を抽出したい。

URI::Find で URL を抜き出して、さらに正規表現を使って正確に取得している。 使用するモジュール 
use URI::Find
#/usr/bin/perl

my $text = 'https://twinkle.cc/i/';
my $url = getURL($text);

sub getURL {

    use URI::Find;
    my $text = shift;

    my $finder = URI::Find->new(
        sub {
            my($uri, $orig_uri) = @_;
                return $uri;
        });

    $finder->find(¥$text);

　　　　my $http_URL_regex =
    q{¥b(?:https?|shttp)://(?:(?:[a-zA-Z0-9](?:[-a-zA-Z0-9]*[a-zA-Z0-9])} .
    q{?¥.)*[a-zA-Z](?:[-a-zA-Z0-9]*[a-zA-Z0-9])?¥.?|[0-9]+¥.[0-9]+¥.[0-9} .
    q{]+¥.[0-9]+)(?::[0-9]*)?(?:/(?:[-_.!~*'()a-zA-Z0-9:@&=+$,]|%[0-9A-F} .
    q{a-f][0-9A-Fa-f])*(?:;(?:[-_.!~*'()a-zA-Z0-9:@&=+$,]|%[0-9A-Fa-f][0} .
    q{-9A-Fa-f])*)*(?:/(?:[-_.!~*'()a-zA-Z0-9:@&=+$,]|%[0-9A-Fa-f][0-9A-} .
    q{Fa-f])*(?:;(?:[-_.!~*'()a-zA-Z0-9:@&=+$,]|%[0-9A-Fa-f][0-9A-Fa-f])} .
    q{*)*)*(?:¥?(?:[-_.!~*'()a-zA-Z0-9;/?:@&=+$,]|%[0-9A-Fa-f][0-9A-Fa-f} .
    q{])*)?)?(?:#(?:[-_.!~*'()a-zA-Z0-9;/?:@&=+$,]|%[0-9A-Fa-f][0-9A-Fa-} .
    q{f])*)?(?![-_.!~*'()a-zA-Z0-9;/?:@&=+$,#])}; #}}

    return $text =~ /($http_URL_regex)/ ? $1 : '';
}

1;
トラックバック URL: https://perltips.twinkle.cc/trackback/12
Posted on 2005-02-13 by yas |