Perlを使って、例えばニュースサイト

そのような目的を達成するには、LWP でダウンロードした HTML ファイル Template::Extract で解析するのが良いのではないかと思います。

RSSを提供していないようなサイトで

特定の部分を抜き出すということですよね。

もっとも簡単な手順は以下でできます。

（０）該当ページのソースを取得する。

　　　※HTTPCliantなど

（１）正規表現を使用して必要な部分を抽出。

＜例＞

$SOURCE ←この中に該当ページのHTMLソース

$SOURCE = ’AAAAA<!--FJZONE START NAME=”MIDASHI” -->ここの一行にトピックニュース<!--FJZONE END NAME=”MIDASHI” -->BBBBB’;

$S = ’<!--FJZONE START NAME=”MIDASHI” -->’;

$E = ’<!--FJZONE END NAME=”MIDASHI” -->’;

if($SOURCE =~ /$S.*$E/i){

$TARGET = ”$&”;

$TARGET =~ s/$S|$E//g;

print ”$TARGET”;

}

$S = ”<!--FJZONE START NAME=”MIDASHI” -->”;

$E = ”<!--FJZONE END NAME=”MIDASHI” -->”;

　$SOURCE =~ /$S.*$E/;

$TARGET = ”$&”;

おそらくもっと良い方法は沢山あると思いますが、簡単な例として投稿しました。

リンク先には、ネットワークプログラミングの例があるページです。

Template Toolkit 関連の日本語ドキュメントはまだほとんどないようです。

とりあえず例示の日経のトピックスを抽出するサンプルプログラムを置いておきます。

(今回は手抜きサンプルなのでアクセス毎に日経の Web サーバに情報を取りに行っていますが、実際に使う時には相手方のサーバに迷惑をかけないよう情報をキャッシュする等配慮した作りにしてください)

活字メディアではありますが、おすすめの一冊です。