come convertire il testo HTML in testo normale?

Question

friend's Devo analizzare la descrizione dall'URL, dove il contenuto analizzato ha pochi tag html, quindi come posso convertirlo in testo normale.

Answer 1

Utilizzare un parser HTML come htmlCleaner

Per risposta dettagliata: How to remove HTML tag in Java

Answer 2

mi consiglia l'analisi del codice HTML grezzo attraverso jTidy che dovrebbe dare uscita che è possibile scrivere espressioni XPath. Questo è il modo più efficace che ho trovato di raschiare l'HTML.

Answer 3

Basta sbarazzarsi di tag HTML è semplice:

// replace all occurrences of one or more HTML tags with optional 
// whitespace inbetween with a single space character 
String strippedText = htmlText.replaceAll("(?s)<[^>]*>(\\s*<[^>]*>)*", " "); 

Ma purtroppo i requisiti non sono mai così semplici:

Di solito, <p> e <div> elementi hanno bisogno di una gestione separata, ci possono essere blocchi CDATA con > caratteri (ad es. Javascript) che confondono la regex ecc.

Answer 4

È possibile utilizzare questa singola riga per rimuovere i tag html e visualizzarla come testo normale.

htmlString=htmlString.replaceAll("\\<.*?\\>", ""); 

Answer 5

Se si vuole analizzare come la visualizzazione del browser, utilizzare:

import net.htmlparser.jericho.*; 
import java.util.*; 
import java.io.*; 
import java.net.*; 

public class RenderToText { 
    public static void main(String[] args) throws Exception { 
     String sourceUrlString="data/test.html"; 
     if (args.length==0) 
      System.err.println("Using default argument of \""+sourceUrlString+'"'); 
     else 
      sourceUrlString=args[0]; 
     if (sourceUrlString.indexOf(':')==-1) sourceUrlString="file:"+sourceUrlString; 
     Source source=new Source(new URL(sourceUrlString)); 
     String renderedText=source.getRenderer().toString(); 
     System.out.println("\nSimple rendering of the HTML document:\n"); 
     System.out.println(renderedText); 
    } 
} 

Spero che questo vi aiuterà ad analizzare tavolo anche nel formato browser.

Grazie, Ganesh