nofollow のついてない A タグリンクを抜き出す

rel タグを持っていないリンクはとれないので、「nofollow のない A タグを抜き出す」という用途には使えません。HTML::LinkExtor を拡張してつくってみようかな。

モジュールにはしていませんが、HTML::TokeParser をつかったサンプル。需要がありそうなので公開。

sub followed_links {
    my $html = shift;
    my $p = HTML::TokeParser->new(\$html);

    my @links;
    while (my $token = $p->get_tag('a')) {
        my $attr = $token->[1];
        unless ($attr->{rel} && $attr->{rel} =~ /\bnofollow\b/) {
            push @links, $attr->{href};
        }
    }
    return @links;
}