しゃのんあどべんとかれんだー 18 日目 (Perl 5 で HTML パースしましょ)

この記事は、しゃのんあどべんとかれんだー 18 日目の記事です。
![Perl5](http://3.bp.blogspot.com/-EsnN2U5YrhU/VopzFcAOwLI/AAAAAAAAAWA/E8DyRxa7WPI/s200/perl.png)

どうも、munepom (`@__munepom__`) です。  
今回は、Perl 5 の HTML パーサに関するおはなし その 1 です。

# HTML から情報をゴリゴリ抽出したいです
そんなとき、ありますよね。  
HTML を解析して、どこかに別のタグを埋め込みたいこと、ありますよね。  
トラッキングタグやビーコンの類などを、動的に埋め込んだりする際に重宝します。

# 今回は、その一例をご紹介します
HTML::TreeBuilder を使うと、ドキュメントからタグ指定方法などで情報を参照できます。
```
#!/usr/bin/env perl

use strict;
use warnings;
use utf8;

use LWP::UserAgent;
use Encode;
use HTML::TreeBuilder;

use feature qw/say/;
use experimental 'signatures';

### fields
my $url = 'http://shanon.co.jp/';

### main
my $body = get_document($url);
process_with_treebuilder($body);

### sub
sub get_document ($url) {
    my $ua = LWP::UserAgent->new;
    $ua->agent('Shanon');
    my $res = $ua->get($url);
    my $body = $res->decoded_content;
}

# HTML::TreeBuilder 処理
sub process_with_treebuilder ($body) {
    # parse
    my $doc_treebuilder = HTML::TreeBuilder->new_from_content(
        encode('utf-8', $body)
    );
    my @list_treebuilder = $doc_treebuilder->find_by_tag_name('footer', undef); # タグを指定して、情報を取得 (HTML5 非対応)

# print
    foreach (@list_treebuilder) {
        say @{$_->content()}[0]; # HTML5 非対応なので、要素ありまへん
    }
}
```

# ...あれ？
そう、HTML::TreeBuilder は、HTML5 で新たに導入されたタグ (header, footer など) を認識できないようです。  
改善策は、次の記事でご紹介しますね。

レッツ Enjoy! (・ω・)ノ

SHANON Engineer's Blog

しゃのんあどべんとかれんだー 18 日目 (Perl 5 で HTML パースしましょ)

SHANON　Engineer's　Blog