Документация по модулям LWP::Simple, HTML::LinkExtor и HTML::Entities; рецепт 20.1.

20.4. Преобразование ASCII в HTML

Проблема

Требуется преобразовать ASCII-текст в HTML.

Решение

Воспользуйтесь простым кодирующим фильтром из примера 20.3. Пример 20.3. text2html

#!/usr/bin/perl -w -рОО

ft text2html - простейшее html-кодирование обычного текста ft -р означает, что сценарий применяется для каждой записи. # -00 означает, что запись представляет собой абзац

use HTML::Entities;

S = encode entities(S , \200-\377"); if (/"\s/) {

# Абзацы, начинающиеся с пропусков, заключаются в <PRE> s{(.»)$} {<PRE>\nS1</PRE>\n}s; # Оставить отступы

} else {

s{"(>..)} {$1<BR>}gm; # quoted text

s{<URL:(.*?)>} {<A HREF="SV>S1</A>}gs # Внутренние URL(xopoшo) II

s{(http:\S+)} {<A HREF="S1">S1</A>}gs; # Предполагаемые URL(nnoxo) s{\*(\S+)\.} {<STR0NG>$1</STR0NG>}g; # .Полужирный» s{\b (\S+)\ \b> {<EM>S1</EM>}g; # Курсив

s{"} {<P>\n>; # Добавить тег абзаца

http: language.perl.com/misc/CPAN.cgl http: language.perl.com/misc/cpan module http: language.perl.com/mlsc/getcpan http: language.perl.com/index.html http: language. perl.com/glfs/lcb.xbm

В почте и сообщениях Usenet часто встречаются вида:

< URL:http: www.perl.com>

Это упрощает выборку URL из сообщений:

@URLs = (Smessage /<URL: (. .•)>/g);

> Смотри также-

20.5. Преобразование HTML в ASCII 711

Комментарий

Задача преобразования произвольного текста в формат HTML не имеет общего решения, поскольку сушествует много разных, конфликтующих друг с другом способов форматирования обычного текста. Чем больше вам известно о входных данных, тем лучше вы их отформатируете.

Например, если вы знаете, что исходным текстом будет почтовое сообщение, можно добавить следующий блок для форматирования почтовых заголовков:

BEGIN {

print "<TABLE>";

$ = encode entities(scaIar о); s/\n\s+/ /g; # Строки продолжения

while ( /"(\S+?:)\s.(-*)$/gm ) { # Анализ заголовков

print ЧТВхТН ALIGN=LEFT>$1</TH><TD>$2</TD></TR>\n";

print </TABLE><HR>";

\> Смотри также--

Документация по модулю HTML::Entities от CPAN.

20.5. Преобразование HTML в ASCII

Проблема

Требуется преобразовать HTML-файл в отформатированный АЗСП-текст.

Решение

Если у вас есть внешняя программа форматирования (например, lynx), воспользуйтесь ей:

$ascii = lynx -dump Sfilename;

Если вы хотите сделать все в своей программе и не беспокоитесь о том, что HTML::TreeBuilder еще не умеет обрабатывать таблицы и фреймы:

use HTML::FormatText; use HTML;:Parse;

Shtml = parse htmlfile($filename);

Sformatter = HTML;;FormatText->new(leftmargin => 0, rightmargin => 50); Sascii = Sformatter->format($html);

Комментарий

в обоих примерах предполагается, что HTML-текст находится в файле. Если он хранится в переменной, то для применения lynx необходимо записать его в файл. При работе с HTML::FormatText воспользуйтесь модулем HTML::TreeBuilder:

t> Смотри также-

Документация по модулям HTML::Parse, HTML::TreeBuiIder и HTML::Format-Text; man-страница 1упх{\) вашей системы; рецепт 20.6.

20.6. Удаление тегов HTML

проблема

Требуется удалить из строки теги HTML и оставить в пей обычный текст.

Решение

Следующее решение встречается часто, но работает неверно (за исключением простейшего HTML-кода);

($plain text = $html text) =~ s/<[">]-> gs; «НЕВЕРНО

Правильный, но медле1П1ый и более сложный способ связан с применением модуля LWP:

use HTML::Parse;

use HTML::FormatText;

$plain text = HTML::FormatText->new->format(parse html($html text));

Комментарий

Как всегда, поставленную задачу можно решить несколькими способами. Каждое решение пытается соблюдать баланс между скоростью и универсальностью. Для простейшего HTML-кода работает даже самая элементарная командная строка:

% perl -ре "s/<[">].> g" ФАЙЛ

Однако это решение не подходит для файлов, в которых теги пересекают границы строк:

<IMG SRC = foo.gif ALT = Tlurp-

Поэтому иногда встречается следующее решение:

% perl -0777 -ре "s/<[->].> gs" ФАЙЛ

use HTML;;TreeBullder; use HTML;:FormatText;

$html = HTML;:TreeBuilder->new(); $html->parse($document);

Sformatter = HTML;;FormatText->new(leftmargin => 0, rightmargin => 50); $ascii = $formatter->format($html);

Если вы используете Netscape, команда Save As с типом Text отлично справляется с таблицами.