是否有将 HTML 转换为纯文本的功能？

Posted 2023-03-05

【中文标题】是否有将 HTML 转换为纯文本的功能？

【英文标题】：Is there a function that converts HTML to plaintext?

【发布时间】：2011-07-08 22:40:03

【问题描述】：

是否有适用于 android 的“hocus-pocus”功能将 html 转换为纯文本？

我指的是诸如 Internet Explorer、Firefox 等浏览器中的剪贴板转换操作之类的功能：如果您在浏览器中选择所有呈现的 HTML 并将其复制/粘贴到文本编辑器中，您将收到（大部分) 文本，没有任何 HTML 标记或标题。

在类似的线程中，我看到了对html2text 的引用，但它是在 Python 中的。我正在寻找一个 Android/Java 函数。

有没有类似的东西，或者我必须自己做，使用 Jsoup 或 Jtidy？

【问题讨论】：

使用它就可以了 :) ------------------------------------ --- codecodex.com/wiki/Convert_HTML_to_plain_text 它执行从 text/html 到 text/plain 的 mime 转换。

【参考方案1】：

我会尝试类似：

String html = "<b>hola</b>";
String plain = Html.fromHtml(html).toString();

【讨论】：

谢谢，它删除了 HTML 标记，但它仍然包含页面中的所有响应标头和 javascript 代码...我正在寻找我上面描述的“剪贴板文本”功能。

这不是 API 中可用的东西。它是网络浏览器的私有实现...您可以查看它的源代码以了解它是如何实现的。

Jsoup 怎么样？ ***.com/questions/240546/…

好家伙...我没听说过。

原来 Html 类本身使用了一种 Jsoup 风格，称为 TagSoup。

【参考方案2】：

使用 JSOUP：

String plain = new HtmlToPlainText().getPlainText(Jsoup.parse(html));

没有 JSOUP：

String html= "htmltext";
String newHtml = html.replaceAll("(?s)<[^>]*>(\\s*<[^>]*>)*", " ").trim();