Skalar durchsuchen und gefundene Ergebnisse in Array schreiben
Mal wieder etwas aus der Praxis:
Ich stand (stehe) vor dem Problem, daß ich ein Skalar, oder genauer gesagt dem HTML-Quelltext einer Webseite nach Links durchsuchen mußte.
Ich suchte also eine Möglichkeit, möglichst schnell alle Links nach dem Schema <a href="test.htm" .....>Linktext</a>
zu finden und wenns denn geht gleich in ein Array zu schubsen.
Nach etwas Probiererei kam ich dann zu diesem Ergebnis:
my @array=();
$site=~ s/(<a .+?>.*?<\/a.*?>)/push (@array,$1)/gise;
wobei in $site der Quellcode steht und zum Schluß in @array alle Links.
Und wie gehts?
Also, ich habe ja hier über das ausführen von Befehlen in RegEx geschrieben, und dadurch kam ich dann auch drauf: Einfach das Link-Schema (<a.*?<\/a>) suchen lassen und gleich in das Array pushen.
Einfach, schnell, Perl eben...
Kommentare zum Beitrag "Skalar durchsuchen und gefundene Ergebnisse in Array schreiben"
Kommentar von Renee Bäcker
Statt dem
$site=~ s/(<a.*?<\/a>)/push (@array,$1)/gise;
kann man auch einfach
push @array, $site=~ /(<a.*?<\/a>)/gis;
schreiben - dann braucht man das eval nicht...
Kommentar von Admin
Ich habe übrigens die beiden Varianten bezüglich der Laufzeit einmal durchgetestet und herausgefunden, daß beide Varianten ungefähr gleich schnell sind. Eigentlich dachte ich, daß meine erste Variante mit dem /e etwas langsamer sein sollte. Dem ist aber anscheinend nicht so...
In Zahlen ausgedrückt:
50 Mio. Durchläufe mit /e: 48 Sekunden
50 Mio. Durchläufe ohne /e: 49 Sekunden
Die eine Sekunde Differenz schiebe ich mal auf meinen Rechner, da bei einem zweiten Durchlauf sich die Werte umgedreht haben, also da war die erste Variante langsamer.
Ich denke aber sowieso, daß in dieser Größenordnung (50 Millionen Durchläufe!) es relativ Wumpe ist, welche Variante nun wirklich ein paar tausendstel Prozent schneller ist, denn wann durchsucht man schon mal 50 Millionen mal einen Skalar...
Kommentar von Guido Beckmann
Ich hätte auf den ersten Blick vermutet, dass die Substitutionsmethode langsamer sei, da hier zusätzlich noch die Quellzeichenkette verunstaltet wird. Aber auf die Idee, überhaupt ein Array mittels push zu füllen, wäre ich gar nicht erst gekommen, da ein RegEx bereits ein Array liefert:
@array = $string =~ m/xxx/;
Aber ich denke, ihr habt recht, wenn es um Geschwindigkeit geht, da hier ein Array einem Array zugewiesen wird. Allerdings benötigen pushbedingt eure Methoden ein leeres Array. Wie wäre es hiermit?
Bei genauerer Betrachtung scheint mir der RegEx zu ungenau zu sein, da er auf Tags wie area oder applet anschlägt. Weiterhin fehlt eine Analyse, ob es sich überhaupt um einen Verweis, oder nur einen Anker handelt.
Kommentar von Admin
Die Regex war wirklich noch etwas, na ich sag mal, unausgegoren.
Ich hatte sie deswegen schon länger mal in
ausgewechselt, aber wohl versäumt, dies hier zu aktualisieren. Sorry deswegen nochmals...
Eine Prüfung nach maps oder Applets müßte natürlich in der alten Version durchgeführt werden, da ja nur geprüft wird, ob ein <a vorkommt, was ja heißt, daß auch alles andere, was mit <a beginnt, gefunden wird.
In der neuen Version wird deswegen auf <a(Leerzeichen) geprüft, was nur <a-Tags durchläßt. Ob's dann aber wirklich ein Link ist oder ein Anker, wird später geprüft.
Kommentar von Guido Beckmann
Du kannst auch gleich auf einen Verweis prüfen, indem du auf ein "href" vor ">" prüfst:
RSS-Feed