将 HTML 代码转换为纯文本，格式可用于文本文件 [重复]

Posted 2023-04-14

【中文标题】将 HTML 代码转换为纯文本，格式可用于文本文件 [重复]

【英文标题】：Converting HTML code to plain TEXT with formatting available to text-files [duplicate]

【发布时间】：2014-05-12 09:28:09

【问题描述】：

任务：获取 html 页面并仅保留其中的文本，并使用可用于简单文本的格式：因此，如果有 <br> 标签，如果有表格，我想将其转换为 /r/n - 我'希望在结果文本中保留此表的初始结构等。

内置的php函数strip_tags()不太符合我的要求，因为它会保留样式和脚本的内容，并且不会保留删除<br>、<table>和其他标签的格式。

我也阅读了stack question 'strip html,css from string'，但没有我正在寻找的答案。

基本上我正在寻找一种将 HTML 页面呈现为 TXT 文件的方法（没有链接和图像）。是否可以？有没有图书馆在做这件事？

【参考方案1】：

你可以用它做的一件事是，你可以做一个反向 Markdown。有很多 HTML 到 Markdown 的实现，它可以完成你想要的工作。他们只是将 HTML 转换为文本，包括中断等。

一个这样的实现是html2markdown。它使用 NodeJS，你只需要添加这个：

html2markdown("<h1>Hello markdown!</h1>")

至少，这会去除标签并将结果作为文本提供给你，可以很容易地被降价去除，因为它的字符数更少，比如#s 和---s。

在GitHub 中还有另一种 html2markdown 的 PHP 实现。语法也很简单：

$html = "<h3>Quick, to the Batpoles!</h3>";
$markdown = new HTML_To_Markdown($html);

这会给你带来：

echo $markdown; // ==> ### Quick, to the Batpoles!

这个插件也可以去除标签：

$html = '<span>Turnips!</span>';
$markdown = new HTML_To_Markdown($html, array('strip_tags' => true)); // $markdown now contains "Turnips!"