从HTML页面中提取所有文本而不会丢失上下文

Question

对于翻译程序，我试图从HTML文件中获取95％准确的文本，以便翻译句子和链接。

例如：

<div><a href="stack">Overflow</a> <span>Texts <b>go</b> here</span></div>

应该给我2个翻译结果：

Overflow

Texts <b>go</b> here

针对此问题提供的任何建议或商业套餐？

Answer 1

我不确定你在问什么，但请看simplehtmldom。特别是在该首页上快速启动的“从HTML中提取内容”选项卡（无法直接链接，叹息）。有了它，你可以提取一个网站的文本，而不是所有那些讨厌的标签。