SL/HTML/Util.pm

   1 package SL::HTML::Util;
   2
   3 use strict;
   4 use warnings;
   5
   6 use HTML::Parser;
   7
   8 my %stripper;
   9 my %entities = (
  10   'lt'  => '<',
  11   'gt'  => '>',
  12   'amp' => '&',
  13 );
  14
  15 sub strip {
  16   my ($class_or_value) = @_;
  17
  18   my $value = !ref($class_or_value) && (($class_or_value // '') eq 'SL::HTML::Util') ? $_[1] : $class_or_value;
  19
  20   return '' unless defined $value;
  21
  22   # Remove HTML comments.
  23   $value =~ s{ <!-- .*? --> }{}gx;
  24
  25   if (!%stripper) {
  26     %stripper = ( parser => HTML::Parser->new );
  27
  28     $stripper{parser}->handler(text => sub { $stripper{text} .= $_[1]; });
  29   }
  30
  31   $stripper{text} = '';
  32   $stripper{parser}->parse($value);
  33   $stripper{parser}->eof;
  34
  35   $stripper{text} =~ s{\&([^;]+);}{ $entities{$1} || "\&$1;" }eg;
  36
  37   return delete $stripper{text};
  38 }
  39
  40 1;
  41 __END__
  42
  43 =pod
  44
  45 =encoding utf8
  46
  47 =head1 NAME
  48
  49 SL::HTML::Util - Utility functions dealing with HTML
  50
  51 =head1 SYNOPSIS
  52
  53   my $plain_text = SL::HTML::Util->strip('<h1>Hello World</h1>');
  54
  55 =head1 FUNCTIONS
  56
  57 =over 4
  58
  59 =item C<strip $html_content>
  60
  61 Removes all HTML elements and tags from C<$html_content> and returns
  62 the remaining plain text.
  63
  64 =back
  65
  66 =head1 BUGS
  67
  68 Nothing here yet.
  69
  70 =head1 AUTHOR
  71
  72 Moritz Bunkus E<lt>m.bunkus@linet-services.deE<gt>
  73
  74 =cut