Regex Perl：替换满足特定条件的链接（html）

在我的论坛上，我想自动添加指向外部站点的链接。例如，有人用以下文本创建帖子：

Link 1: <a href="http://www.external1.com" target="_blank">External Link 1</A>
Link 2: <a href="http://www.myforum.com">Local Link 1</A>
Link 3: <a href="http://www.external2.com">External Link 2</A>
Link 4: <a href="http://www.myforum.com/test" ALT="Local">Local Link 2</A>

链接1：
链接2：
链接3：
链接4：

使用Perl，我希望将其更改为：

Link 1: <a href="http://www.external1.com" target="_blank" rel="nofollow">External Link 1</A>
Link 2: <a href="http://www.myforum.com">Local Link 1</A>
Link 3: <a href="http://www.external2.com" rel="nofollow">External Link 2</A>
Link 4: <a href="http://www.myforum.com/test" ALT="Local">Local Link 2</A>

链接1：
链接2：
链接3：
链接4：

---

我可以使用相当多的代码行来实现这一点，但我希望我可以使用一个或多个正则表达式来实现这一点。但是我不知道怎么做。

我会使用regex gobal和eval标志进行回调，例如：

#!/usr/bin/perl

use strict;

my $internal_link = qr'href="https?:\/\/(?:www\.)?myforum\.com';

my $html = '
Lorem ipsum
<a href="http://www.external1.com" target="_blank">External Link 1</A>
Lorem ipsum
<a href="http://www.myforum.com">Local Link 1</A>
Lorem ipsum
<a href="http://www.external2.com">External Link 2</A>
Lorem ipsum
<a href="http://www.myforum.com/test" ALT="Local">Local Link 2</A>
';

$html =~ s/<a ([^>]+)>/"<a ". replace_externals($1). ">"/eg;

print $html;

sub replace_externals {
    my ($inner) = @_;
    return $inner =~ $internal_link ? $inner : "$inner rel=\"nofollow\"";
}

#/usr/bin/perl
严格使用；
我的$internal\u link=qr'href=“https？：\/\/（？：www\）？我的论坛\.com'；
我的$html
乱数假文
乱数假文
乱数假文
乱数假文
';
$html=~s/，但这只会破坏可读性。
正则表达式可以在有限的场景中工作，但决不能使用正则表达式解析html

每次你试图用正则表达式解析HTML时，邪恶的孩子都会为处女的鲜血而哭泣，而俄罗斯黑客会破坏你的网络应用程序

    — 从

我非常喜欢Mojo套件，因为它允许我们使用一个适当的解析器，只需很少的代码。我们可以使用CSS选择器来查找有趣的元素：

use strict; use warnings;
use autodie;
use Mojo;
use File::Slurp;

for my $filename (@ARGV) {
  my $dom = Mojo::DOM->new(scalar read_file $filename);

  for my $link ($dom->find('a[href]')->each) {
    $link->attr(rel => 'nofollow')
      if $link->attr('href') !~ m(\Ahttps?://www[.]myforum[.]com(?:/|\z));
  }

  write_file "$filename~", "$dom";
  rename "$filename~" => $filename;
}

调用：
perl mark-links-as-nofollow.pl*.html

Link 1: <a href="http://www.external1.com" rel="nofollow" target="_blank">External Link 1</a>
Link 2: <a href="http://www.myforum.com">Local Link 1</a>
Link 3: <a href="http://www.external2.com" rel="nofollow">External Link 2</a>
Link 4: <a alt="Local" href="http://www.myforum.com/test">Local Link 2</a>

链接1：
链接2：
链接3：
链接4：

为什么我要使用tempfiles和
重命名
？在大多数文件系统中，文件可以自动重命名，而写入文件需要一些时间。因此其他进程可能会看到半写文件




您是否允许在帖子中使用任意HTML？或者您是否使用其他标记语言，如BB代码–在这种情况下，增强解析器可能会更好。我确实不熟悉Perl，但会使用类似以下内容：（*？href=/）http:////www/.myforum/.com/".*?)(.*?>.*)“做你的正则表达式，如果匹配，它是本地的，否则就不是。如果不是，请找到“（.*？href=.*？（>.*）”，并用第一个元素“+”rel=/“nofollow/”+第二个元素替换您找到的内容？@amon：是的，论坛使用标记语言，但帖子以HTML形式存储。@AlexBaldwin:只有当字符串中只有一个链接时，这才有效。@ClarkVentura，你说得对。我试图用给出的例子让它工作，但没有注意到他提到的现实世界的问题。但是，如果再加上一个只查找所有链接的正则表达式，那么您就可以在找到的每个链接上使用我的旧正则表达式了！我以前从未在regex中使用过evals，但看起来它应该工作得很好！谢谢顺便说一句，我已经尝试过用负面的外观来做，但是没有成功（因为它会跳过非本地链接，直到找到一个本地链接并将两个链接混合在一起——很难解释，但是如果你尝试，你会明白我的意思）。