Question

我想从web page中提取正文段落并将它们存储到字符串中。

首先，我使用

获取整个源代码

NSString *sourceCode = [NSString stringWithContentsOfURL:[NSURL URLWithString:currentLink] encoding:NSUTF8StringEncoding error:&error];

正文段落在之后开始，在之前结束

所以我打算像这样拆分字符串

NSString *startingPt = @"<!-- (START) Pagination Content Wrapper -->";
NSString *endingPt = @"<!-- (END) Pagination Content Wrapper -->";

NSString *sub = [sourceCode substringFromIndex:NSMaxRange([str rangeOfString:startingPt])];
sub = [sourceCode substringToIndex:[s rangeOfString:endingPt].location;

然后我会使用stringByReplacingOccurrencesOfString:withString:将剩余的html标记替换为@""

有没有更好的方法来实现我的目标？

Answer 1

获得子串后删除START＆amp; END，您可以简单地使用NSString+HTML categories来转义html标签，它是一个非常好的类别来实现html编码，解码等等，主要是你可以将它用于你的NSString实例，无需创建单独的对象为此目的。

Objective C HTML escape/unescape您可以在这里找到更多有关它的讨论。

这些是可用的方法，如该帖子＆amp;我喜欢它。

- (NSString *)stringByConvertingHTMLToPlainText;
- (NSString *)stringByDecodingHTMLEntities;
- (NSString *)stringByEncodingHTMLEntities;
- (NSString *)stringWithNewLinesAsBRs;
- (NSString *)stringByRemovingNewLinesAndWhitespace;

Answer 2

在删除之前，您必须找到HTML标记。除非您知道该系统需要使用的标签数量有限，否则您不应在代码中对其列表进行硬编码。使用-stringByReplacingOccurrences ...，您需要一个精确的字符串，包含所有参数ID和类标记等，这使得它更容易发生变化。

除非您打算使用vishy建议的第三方扩展程序，看起来它可以满足您的需求，否则您将不得不这样做：

1）找到第一次出现的“＆lt;”在字符串中

2）看看“＆lt;”逃脱了。

3）如果没有，请找到下一个“＆gt;”。

4）查看是否已转义。

5）如果没有，为标签创建一个NSRange（从“＆lt;”到“＆gt;”）并使用-stringByReplacingCharactersInRange去除它。

6）重复，直到找不到更多未转义的“＆lt;”。

这将为您留下去HTML文本，但不是纯文本。您仍将看到HTML转义，同样重要的是，无法保证在删除HTML后，空白（在HTML中被忽略）会有任何意义。

我是以最好的方式解析html源代码吗？

2 个答案: