HTML::LinkExtractor多次调用返回不同链接的原因及解决方法

这个问题我之前也碰到过，核心原因有两个：对象状态没有重置和Perl哈希的随机遍历顺序，咱们一步步拆解：

问题根源 #

1. HTML::LinkExtractor的累积特性
   这个模块的设计是支持多次调用parse()来合并多个HTML文档的链接——也就是说，它不会自动清空之前解析出来的链接列表。如果你重复使用同一个$LX对象，每次调用parse()都会把新提取的链接追加到links()数组里，而不是替换掉旧的。这就导致你每次运行时，结果都是之前所有解析结果的叠加，自然每次都不一样。

2. Perl哈希的随机化遍历
   从Perl 5.18开始，哈希的迭代顺序默认是随机的（用来防止哈希碰撞攻击）。你用each遍历$p这个哈希的时候，每次的键值对顺序都是随机的，这也会让输出看起来“不一样”，不过这只是顺序问题，核心还是第一个问题导致的内容叠加。

修复方案 #

针对这两个问题，咱们分别解决：

1. 每次解析前重置对象或创建新对象 #

你有两种选择：

• 每次解析都创建新对象：最稳妥的方式，确保每次都是干净的状态：

  # 不要重复使用同一个$LX对象，每次解析都新建
  my $LX = HTML::LinkExtractor->new();
  $LX->parse(\$_[0]);
  
  for my $p ( @{$LX->links()} ){
      # 后续处理...
  }
  

• 重置现有对象的链接列表：如果需要复用对象，手动清空links数组：

  # 复用对象前先清空之前的结果
  $LX->{links} = [];
  $LX->parse(\$_[0]);
  

2. 稳定哈希遍历顺序（可选） #

如果需要输出的键值对顺序一致，把each改成按排序后的键遍历：

for my $p ( @{$LX->links()} ){
    # 按键名排序后遍历，保证顺序稳定
    foreach my $key (sort keys %$p) {
        my $val = $p->{$key};
        print "$key--->$val\n";
    }
}

这样修改后，每次解析相同的HTML文档，都会得到完全一致的链接列表，输出顺序也稳定了。

内容的提问来源于stack exchange，提问作者Mindaugas Bernatavičius