■ホームページ(HTML)の整形/変換

質問

いつもお世話になります。開発者としての質問です。

　インターネット上に、よく利用するホームページがあります。

【やりたいこと】
・このホームページを（自分用に）整形して印刷したいです。

【質問】
・パソコン（インターネット上のサーバーでも良い）からこのホームページに
アクセスして、自分用に整形フォーマットした形式で印刷をしたいです。
（直接でなくても一度、別のHTMLを作成してから、印刷しても全くかまいません）

　そこで、
　お勧めのプログラム言語かプラットフォーム環境を教えてください。

■プログラムから直接インタネット上のホームページ(HTML)をアクセスした経験がないので、アドバイスをお願い致します。
・どうやってインターネット上のHTMLをオープンすれば良いのか？
（Java か　VisualBasic がお手軽なのか）
・どうやって HTML 中のある部分を認識すれば良いのか？

　よろしくお願いします。

《補足》　もう少し具体的に書くと...
URL: http://www.hoge.com/top/page1 ページ１：【表A】
URL: http://www.hoge.com/top/page1 ページ２：【表B】

===> プログラムを使って新たに【表X】を作成したいです。

元のホームページの【表A/B】は<Table>タグで決められた形で作成されていると
して良いです。

回答No.3

nda23 · ベストアンサー

先のテキスト解釈は美しくなかったですね。
もし、テーブルタグにIDがあるなら次のように取るのがオシャレかな。
例えば<TABLE ID='A'>の場合
doc.getElementById("A").outerHTML

補足

Answer No1 に続き、No2, No3 ととても参考になります。
ありがとうございます！！

テーブルタグにIDを付けておくのがお洒落ですね。
今回は既存のURLのHTMLなので、ID が付けられないのでガリガリとsearchとsubstringメソッドで参照するしかないと思っています。

複雑な処理になりそうなので、言語は、JavaScript か　Java + GWT (=> JavaScript) にしようか悩んでいます。

回答No.2

nda23

HTMLテキストから例えばTABLEタグを見つけるには
var i = text.search(/<table/i);
※indexOfだと大文字小文字を区別します。searchの方は正規表現に"i"が付いているので、大文字小文字を区別しません。

同様にTABLEタグの終わりを見つけるには
var j = text.search(/<\/table/i);
※"/"が正規表現の区切り文字にならないよう\を付けます。

後はsubstringメソッド等で切り分ければよいかと思います。

回答No.1

nda23

「やりたいこと」がよく分からないのと、実行環境が不明なので何とも言えませんが、あるURLのページを開いて、中身のHTML文を取り出すWindows直下で稼動するプログラムなら、以下のようにすれば可能です。

JavaScriptの例

//InternetExplorerを起動する
var ie = new ActiveXObject("InternetExplorer.Application");
//URLを開く
ie.Navigate2("http://www.hoge.com/top/page1");
//ドキュメントの取得
var doc;
while( ie.ReadyState != 4 ) {
　　WScript.Sleep(1);
}
doc = ie.Document;
//チェック
try {
　　var x = doc.mimeType;
}
catch(e) {
　　//エラーなので、画面を可視にして終了
　　ie.Visible = true;
　　WScript.Quit();
}
//テキストを取得する
var txt = doc.body.innerHTML;
//IEを終了する
ie.Quit();

この後、取り出したテキストを自分用に編集すればよいでしょう。
実際には２ヶ所のURLを拾うので、IE終了前にもう一度、Navigate2メソッド以降を実施して、次のHTMLテキストを取得します。
出来上がりはファイルに保存するか、IEでブランク画面を作り、そこへ書き込んで表示することもできます。

補足

ご回答いただけて嬉しいです。

実行環境について書かなくて失礼しました。
■Windows環境での実行を考えています。
（あるいは、サーバー上でのCGI(Perl)でも簡単であればどちらでも良いです）。

JavaScriptの例を詳しく書いていただけて大変助かります。
お書きの通り、「URLを開く」ことをやりたかったです。

取得のテキスト（HTML)の中のプログラムで、ガリガリ直接パースする方法でも良いのですが、HTML の中のテーブル・タグを認識する方法があればもっと助かるのですが、XML でないので無理なんでしょうね。

ありがとうございました。