HTML内のhタグのみを順番に取得して表示させたい

Question

前提・実現したいこと

プログラミングの勉強を始めたばかりの初心者です。
現在、HTML内のhタグのみを取得し、順番通りに出力させたtxtファイルを作成するプログラムをrubyで書きたいと思っています。

例）

○○○○○○○○

<h2>見出し1</h2> ○○○○○○○○ <h2>見出し2</h2> ○○○○○○○○ <h3>小見出し1</h3> ○○○○○○○○ <h3>小見出し2</h3> ○○○○○○○○ <h2>見出し3</h2> ○○○○○○○○

取得後に

h2:見出し1
h2:見出し2
h3:小見出し1
h3:小見出し2
h2:見出し3

となるようにしたいです。

理想はrubyで書くことですが、このような処理に長けた言語があれば他の言語でも構いません。いろいろな言語を勉強したいので、ぜひ教えて下さるとうれしいです。

Answer 1

未検証ですが、'nokogiri' ライブラリを使って取得したものを表示するとすれば、

# encoding: utf-8
require 'nokogiri'

doc = Nokogiri::HTML(File.read('抽出対象のhtmlファイル'))

doc.xpath('/html/body//*[local-name()='h1' or local-name()='h2' or local-name()='h3' local-name()='h4' or local-name()='h5' or local-name()='h6']').each do |node|
	puts node.name + ":" + node.to_s
end

のような形で取り出せるでしょう。

Comments

[nagaoaks]

ありがとうございます！おかげさまで解決できました。