Question

是否可以将呈现的HTML页面转换为纯文本，甚至是格式化文本？

例如，以下HTML页面/代码：

<html>
<head></head>
<body>
<p>This is the first paragraph</p>
<ol>
<li>This is a list item</li>
<li>And another</li>
</ol>
<p>This is the second paragraph</p>
</body>
</html>

将转换为以下字符串值：

“

这是第一段


这是一个列表项

另一个

这是第二个parapgrah

“

如果是这样，我怎么能这样做？我可以使用像webbrowser这样的内置对象来访问呈现的内容吗？

修改

解决方案：似乎没有任何内置方法可以将呈现的HTML代码转换为纯文本。你必须得到一些第三方工具来为你做，或建立自己的。对于第三方工具解决方案，请查看下面评论中的第一个链接。

额外信息：

对于我的问题，我基本上将RTF文档转换为HTML。我正在使用一个库来执行此操作，可在此处找到：Writing your own RTF Converter

但是，此库不会考虑缩进列表...例如，使用此转换器，此RTF内容：

一些文字


更多文字

一个。子文本

在HTML转换版本中成为：

一些文字

更多文字：

子文字

为了解决这个问题（因为图书馆的作者似乎没有兴趣解决这个问题），我决定在内容转换后执行我自己的替换。为此，我需要将原始RTF文本与HTML RENDERED文本进行比较，以查看子弹编号是否匹配。这就是为什么我想要一种简单的方法将呈现的HTML内容转换为字符串...然后我可以根据需要解析列表项，并将它们的标题与RTF标题进行比较。

似乎我必须手动解析转换后的HTML中的任何OL和UL标记，并自己为每个LI条目分配一个值，以便根据RTF版本检查结果。

感谢所有为此答案做出贡献的人。

Answer 1

使用jQuery，

function htmlStripTags(value) {
    return $("<div/>").html(value).text();
}

function htmlDecode(value) {
    return $("<textarea/>").html(value).text();
}

function htmlEncode(value) {
    return $('<textarea/>').text(value).html();
}

jQuery将在内存中创建“＆lt; div /＆gt;”标签。它将删除html标签，只留下文本。注意：使用“＆lt; textarea /＆gt;”将保留html标签。

将渲染的HTML转换为文本

1 个答案: