[quote=newbie001,20.04.2005, 12:10]problematisch ist es dass es immer noch html ist, also tags und skripts sind immer noch vorhanden, dazu kommt dass einige Zeichen wie das Apostroph immer noch als &â kodiert ist.[/quote]
Nun ja, du muss noch die HTML-tags löschen. ;)
Das geht mit
HTML::Parser.
Beispiel:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
#!/usr/bin/perl -w
# Extract all plain text from an HTML file
use strict;
use HTML::Parser 3.00 ();
my %inside;
sub tag
{
 my($tag, $num) = @_;
 $inside{$tag} += $num;
 print " ";  # not for all tags
}
sub text
{
  return if $inside{script} || $inside{style};
  print $_[0];
}
HTML::Parser->new(api_version => 3,
         handlers   => [start => [\&tag, "tagname, '+1'"],
              Â
  end  => [\&tag, "tagname, '-1'"],
              Â
  text  => [\&text, "dtext"],
              Â
 ],
         marked_sections => 1,
    )->parse_file(shift) || die "Can't open file: $!\n";;
PS: Es wäre ja nützlich, wenn längere Skripte hier hoch geladen werden könnten.\n\n
<!--EDIT|GwenDragon|1113993261-->