perlでmicroformats

昨今、microformatsが熱いですね。

firefox/greasemonkey等クライアントサイドで盛り上がってますが、もちろんperlにもmicroformatsを扱えるモジュールがあります。

Text::Microformat : A Microformat parser 

テキストをパースしてmicroformatsを抽出します。現在サポートしているのは

• hCal
• hCard
• hGrant(*)
• rel-license
• rel-tag

です。扱い方は

use strict;
use warnings;
use Text::Microformat;
use LWP::Simple;
use YAML::Syck;

my $doc = Text::Microformat->new( get('http://mattn.kaoriya.net/'));
my @formats = $doc->find;
foreach my $uf (@formats) {
	warn ref($uf)."\n";
	warn Dump $uf->ToHash;
}

といった感じですね。さて実行してみます。

Text::Microformat::Element::hCard
--- 
adr: 
  - 
    country-name: 
      - Japan
    locality: 
      - Osaka
email: 
  - mattn dot jp at gmail dot com
nickname: 
  - mattn
photo: 
  - http://mattn.kaoriya.net/images/logo.png
Text::Microformat::Element::rel_license
--- http://creativecommons.org/licenses/by-nc-sa/2.1/jp/

hCardとrel-licenseが出力されています。でも変ですね。確かにサイトにはrel-tagがあるのですが動いていないようです。調べたところ、rel属性には複数のリンクタイプが指定出来るのですが、これに対応出来ていないようです。

さらにソースを調べた所rel_tag.pmはText::Microformat::Elementを継承しており、Findプロシージャをオーバーライドして検索ロジックを書いてやればいい事が分かります。

sub Find {
    my $self = shift;
    my $tree = shift;

    my @rel = $tree->look_down(
        '_tag' => 'a',
        sub {
            my $rel = shift->attr('rel');
            return 1 if defined $rel and $rel =~ /\btag\b/;
        });
    return map(__PACKAGE__->new($_), @rel);
}

こんなコードをrel_tag.pmに付け足して再度実行します。

Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/coderepos
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/feed
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/pipes
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/yahoo
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/growl
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/perl
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/python
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/gae
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/google%20app%20engine
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/python
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/hatenaStar.js
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/vimperator
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/ajax
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/google
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/jquery
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/microformats
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/rel%2Dbookmark
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/web
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/google%20app%20engine
Text::Microformat::Element::rel_tag
--- http://mattn.kaoriya.net/tags/tips
Text::Microformat::Element::hCard
--- 
adr: 
  - 
    country-name: 
      - Japan
    locality: 
      - Osaka
email: 
  - mattn dot jp at gmail dot com
nickname: 
  - mattn
photo: 
  - http://mattn.kaoriya.net/images/logo.png
Text::Microformat::Element::rel_license
--- http://creativecommons.org/licenses/by-nc-sa/2.1/jp/

期待通りの結果が返ってきました。

Text::Microformatにはスキーマを構造で指定する物と、Findで見付ける物があり自由度は結構高いかと思います。さらにパーサとしてもHTML、XML、RSSをサポートしているので、大概のmicroformatsはパース出来るかと思います。

Elementもモジュール形式で定義出来るので新たなmicroformats draftにも簡単に対応出来る様ですね。

なお、Text::Microformatの開発は、以下のサイトで行われているようです。

ufperl - a Microformat parser for Perl

今のところhAtomやxFolkは無いようなので、どなたか作ってみてはどうでしょうか？