perl - 如何在 Perl 中很好地格式化 URL？

Question

我有一堆 URL 需要转换成链接:

for my $url (@url_list) {
    say "<a href='$url'>$url</a>";
}

是否有使可见 URL 更好的模块？有点像这样:

http://www.foo.com/ → www.foo.comhttp://www.foo.com/long_path → www.foo.com/lo…

我知道这里可能需要一个简单的正则表达式，但我被 CPAN 宠坏了。 :)

Answer 1

RFC 2396 的附录 B指定解析 URI 引用的正则表达式。稍微调整一下以获得您想要的:

#! /usr/bin/perl

use warnings;
use strict;

use 5.10.0;  # for defined-or (//)

my $uri = qr{
  ^
  (?:([^:/?\#]+):)?  # scheme = $1
  (?://([^/?\#]*))?  # authority = $2
  ([^?\#]*)          # path = $3
  (\?[^\#]*)?        # query = $4
  (\#.*)?            # fragment = $5
}x;

上面的代码使用了 /x modifier

It tells the regular expression parser to ignore most whitespace that is neither backslashed nor within a character class. You can use this to break up your regular expression into (slightly) more readable parts. The # character is also treated as a metacharacter introducing a comment, just as in ordinary Perl code.

但我们想要匹配文字 # 字符(如果它们存在)，这意味着我需要使用反斜杠对它们进行转义。出于习惯，我从 qr/ 开始，但由于模式中的斜杠，我不得不更改分隔符。

几个测试用例:

my @cases = qw(
  ftp://www.foo.com.invalid/
  http://www.foo.com.invalid/
  http://www.foo.com.invalid/long_path
  http://www.foo.com.invalid/?query
  http://www.foo.com.invalid?query
  http://www.foo.com.invalid/#fragment
  http://www.foo.com.invalid#fragment
);

一点逻辑

for (@cases) {
  my $nice;
  if (my($scheme,$auth,$path,@rest) = /$uri/) {
    if ($scheme eq "http" && defined $auth) {
      if (grep defined, @rest) {
        $nice = join "" => map $_ // "" => $auth, $path, @rest;
      }
      else {
        $nice = $auth
              . ($path eq "/" ? "" : $path);
      }
    }
    else {
      $nice = $_;
    }
  }

  print "$_ → $nice\n";
}

和输出:

ftp://www.foo.com.invalid/ → ftp://www.foo.com.invalid/http://www.foo.com.invalid/ → www.foo.com.invalidhttp://www.foo.com.invalid/long_path → www.foo.com.invalid/long_pathhttp://www.foo.com.invalid/?query → www.foo.com.invalid/?queryhttp://www.foo.com.invalid?query → www.foo.com.invalid?queryhttp://www.foo.com.invalid/#fragment → www.foo.com.invalid/#fragmenthttp://www.foo.com.invalid#fragment → www.foo.com.invalid#fragment