¿Gano algo cuando transformo mi $url de esta manera: $url = URI->new($url)?¿Qué gano al filtrar las URL a través del módulo URI de Perl?
#!/usr/bin/env perl
use warnings; use strict;
use 5.012;
use URI;
use XML::LibXML;
my $url = 'http://stackoverflow.com/';
$url = URI->new($url);
my $doc = XML::LibXML->load_html(location => $url, recover => 2);
my @nodes = $doc->getElementsByTagName('a');
say scalar @nodes;
El URI module constructor sería limpiar el URI para usted - por ejemplo escapar correctamente los caracteres no válidos para la construcción URI (ver URI::Escape).
El módulo URI como varios beneficios:
La ventaja que obtiene con el poco código que muestra es mínima, pero a medida que continúa trabajando en el problema, quizás explorando el sitio, URI se vuelve más útil a medida que selecciona qué hacer a continuación.
me sorprende que nadie ha mencionado todavía, pero $url = URI->new($url); no limpia su $url y la mano de nuevo a usted, se crea un nuevo objeto de la clase URI (o, más bien, de uno si sus subclases), que puede pasar a otro código que requiere un objeto URI. Esto no es particularmente importante en este caso, ya que XML::LibXML parece estar contento de aceptar ubicaciones como cadenas u objetos, pero algunos otros módulos requieren que les dé un objeto URI y rechazará las URL presentadas como cadenas simples.
Bueno, no lo mencioné porque está implícito que un constructor te está devolviendo un objeto. Sin embargo, este objeto tiene demasiada sobrecarga de cadena, por lo que también puede tratarlo como una cadena. –
"Puede detectar URL inválidas (aunque debe desactivar los bits sin esquema)" - Me gustaría hacer eso, pero ¿cómo? He encontrado que el constructor de URI es muy liberal en lo que se espera, lo que puede deberse a que trata muchos esquemas. Estoy buscando algo para validar una URL HTTP/S. Debería ser fácil escribir algo que haga el trabajo, pero odiaría reinventar la rueda cuando el módulo 'URI' está ahí para hacer el trabajo por mí. – Lumi