タグを正規表現で完全に削除

質問

こんばんわ～ときどきこちら様でお世話になってます

タグ（Java ScriptやHTML中のCSS等きわめて複雑なものも含む）を完全に削除してウェブサイトの文字だけを抜き出したいんですけど自分にはハードルが高すぎたみたいです^^;

http://www.din.or.jp/~ohzaki/perl.htm#HTML_Tag
いろいろ調べているうちにこちらのサイト様を発見し、

$none_tag =~ s/$tag_regex//;
とやってみましたがなぜかタグが残ってしまいます。

とあるサイトの【文字】だけを抜き出せれば良いのでタイトルに正規表現と記載しましたがその他の方法でも構いませんのでよろしくお願いしますm(_ _)m

回答No.3

noboru2000 · ベストアンサー

参考URLのページは参考になりませんかね。
全テキストの例は出てませんが。

参考URL：

http://okwave.jp/kotaeru.php3?q=1911815

補足

ご回答ありがとうございます

やりたいことは同じなんですけど後でソースコードをみたときに
どんな処理をしてるかわかりやすそうなのですみませんが正規表現で問題を解決したいです

回答No.4

kapran

> その他の方法でも構いませんので・・・

http://www.vector.co.jp/soft/win95/net/se065646.html
など如何でしょうか。

参考URL：

http://www.vector.co.jp/soft/win95/net/se065646.html

補足

すみませんが方法は正規表現のみでお願いします

http://www.din.or.jp/~ohzaki/perl.htm#HTML_Tag
のようにHTMLの正規表現を変数に代入して

$none_tag =~ s/$tag_regex//ig;

のようにしたいです

また↑のページではなんで複雑なタグを削除できないんでしょうか？
ページに複雑なJavaScriptがあったりするとうまく削除できなくてJavaScriptの一部が残ってしまいます

わがままばかり言ってしまいましたが再度よろしくお願いします

回答No.2

SE-1

こんなんどうでしょう。

use Win32::OLE qw(EVENTS);

my $URL = "http://www.yahoo.co.jp";
my $IE = Win32::OLE->new("InternetExplorer.Application")
|| die "Could not start Internet Explorer.Application\n";
Win32::OLE->WithEvents($IE,\&Event,"DWebBrowserEvents2");

$IE->{visible} = 0;
$IE->Navigate($URL);
Win32::OLE->MessageLoop();

sub Event {
my ($Obj,$Event,@Args) = @_;
if ($Event eq "DocumentComplete") {
$IEObject = shift @Args;
my $innerText = $IEObject->Document->Body->InnerText;
print $innerText;
Win32::OLE->QuitMessageLoop();
}
}

回答No.1

Ethersky

gオプション付けましょう。

$none_tag =~ s/$tag_regex//g;

gオプションは「マッチするもの全てを見つける」ためのオプションです。
ということは、これがないと1回でも見つかったらそれで終わりということになります。