タグで囲まれた文字を取得する方法

質問

タグで囲まれた文字列を取る関数とか
ないでしょうか。
「この部分」を取りたいのです。

　<td>この部分</td>
　<font color="#ff0000">この部分</font>
　<a href="http://test.com">この部分</a>

同じタグがいくつも有る場合もあるので、
頭から（下から）の検索スタート文字数とか
決められれば最高です。
調べてみたところ下のモジュール？をつかうと
<title></title> とかの間はとれるようですが・・・

WWW::Mechanize
LWP::UserAgent

回答No.2

BLUEPIXY · ベストアンサー

HTML::TokeParser を使ったリンクテキストを取り出す例
----------------------------------------------------------------
use encoding 'shiftjis';
use HTML::TokeParser;

my @link=(); #リンクタグのテキストを集積する
open(my $fh, "<:encoding(shiftjis)", 'test.html');
my $p = HTML::TokeParser->new($fh);
while (my $token = $p->get_tag('a')) {
my $text = $p->get_text('/a');
push(@link, $text);
}
close($fh);
print $link[2]; #リンクテキストを番号で扱える
----------------------------------------------------------------
サンプルはリンクのみのものだけども
混在したタグを扱う（同時に、<a>,<font>など）場合
while($token = $parser->get_token()){
if($token->[0] eq 'S' && $token->[1] eq 'a'){
のようにすることで、タグの種類を調べて動作を分岐すればよい
詳しくは
perldoc HTML::TokeParser
を参照

お礼

ありがとうございます。
このまま使えそうです。
とても参考になりました。

回答No.1

noboru2000

HTML::Parser か HTML::TokeParser でできると思います。
詳細は perldoc で見て下さい。(日本語訳は参考URLのページにあります)。

参考URL：

http://homepage3.nifty.com/hippo2000/perltips/

お礼

ありがとうございます。
使えそうです。助かりました。