作者deh3215 ()
看板Perl
標題Re: [問題] 如何消除html tag
時間Fri Apr 3 02:18:19 2009
※ 引述《b60413 (None)》之銘言：
: 關於這個問題 我知道可以用正規式直接去實做
: 但是對於正規式的使用還沒有很透徹的了解
: 想問看看是否有相關的HTML module可以把html tag消除掉
: 只留下tag跟tag中的內容
: (有到cpan網站中去找 但是資料過於龐大 找得很沒頭緒)
: 或者有人可以跟我講 如何利用正規式去實做嗎?
: 有查到可用<(.| )*?>去消除所有的HTML Tag
: 但是消除後的文字Home與Test連在一起....希望能做到分開的效果
: 或者是結果儲存在一個陣列當中
: 謝謝
: HTML Example:
: <a href="http://127.0.0.1">Home<span>Test</span></a>
: 須將Home跟Test抓出來
#-------------------------------------------
use HTML::Strip;
open(INPUT, "c:/a.txt");
@temp = <INPUT>;
chomp @temp;
foreach $t (@temp) {
my $hs = HTML::Strip->new();
my $clean_text = $hs->parse($t);
$hs->eof;
print "$clean_text";
}
結果:Home Test
#-------------------------------------------
open(input, "c:/a.txt") or die;
@temp = <input>;
chomp(@temp);
foreach (@temp) {
my $tree = HTML::TreeBuilder->new;
$tree->parse($_);
my $formatter = HTML::FormatText->new;
my $string = $formatter->format($tree);
print $string;
}
結果:HomeTest
#-------------------------------------------
用過這兩個模組,第一個清的較乾淨
<a href="
http://127.0.0.1">Home<span>Test</span></a> 存成變數用兩個模組清,
出來結果還是有tag,不太知道為何會這樣===>自己寫rgexp抓要的data...
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 61.223.225.6
※ 編輯: deh3215 來自: 140.117.168.75 (04/03 09:13)
1F：推 b60413:感謝deh3215 ~ 我在自己試看看 04/03 22:57
2F：→ deh3215:我是用第2個模組清除所有tag..搜尋"html",應該會有你要的 04/03 23:07
3F：→ deh3215:答案...要自己寫rgexp抓..用模組也是可以,抓特定tagy 04/03 23:09
4F：→ deh3215:剛在test一下..兩個模組多少都會有點遺漏tag..須自己手動 04/03 23:12
5F：→ deh3215:清除.. 04/03 23:13