htmlのtitle要素取得するのに必要な先頭からのbyte数が分からん

Tweet

URLで示したアドレスの html のタイトルを取得したい、ていう命題があったので、

#!/usr/bin/perl
use strict;
use warnings;
use utf8;
use Encode;
use Encode::Guess qw/cp932 euc-jp 7bit-jis/;
use LWP;
                                
my $max_size = 400; # 取得byte数
my $url = 'http://dtpwiki.jp/';
                           
my $ua  = LWP::UserAgent->new();
$ua->max_size($max_size);
my $res = $ua->get($url);
 
my $enc = guess_encoding($res->content);
my $enc_name = 'cp932'; # Guess 失敗したら CP932
$enc_name = $enc->name if ref $enc;        
 
my $title = decode($enc_name, $res->title);
print encode('utf8', "$enc_name\n");
print encode('utf8', "$title\n");

ていうのを、Perl クックブック第2版 Volume 2 p.1002 ex.20-4 をみて作って、コードとしてはちゃんと動くみたいなんだけれども、肝腎の、世の中の Web は何 byte 取得すればおおむねタイトルを取得できるか（＝title 要素取得できるのに充分なのか）っていうところがわかんないですよね。XHTML とかで XML 宣言とかあるし、title は meta タグで言語指定したあとに置けっていうことで head の中でも後ろの方に来そうだよなー

（2006-09-10 09.46訂正）

たいとる、biteを、byteに訂正しました。

2006.09.10 00:13 投稿　大野 義貴 [Perl] | 固定リンク |