Usuwanie znaczników HTML z ciągu znaków

98

Jak usunąć tagi HTML z ciągu, aby uzyskać czysty tekst?

let str = string.stringByReplacingOccurrencesOfString("<[^>]+>", withString: "", options: .RegularExpressionSearch, range: nil)
print(str)

html ios swift

— Doprowadziło
źródło

Po prostu użyj parsera HTML.

— Croissant Paramagnetic

1

Doprowadziło to, że to pytanie ma dużą wartość, ale w obecnym kształcie prawdopodobnie zostanie zamknięte, ponieważ nie zadasz jasnego pytania: jest to scenariusz niemożliwy do odtworzenia. Sugeruję przeformułowanie pytania zgodnie z instrukcją Jak zadawać . Nie chciałbym, aby to pytanie zostało usunięte.

— Tunaki

3

lol stackoverflow ... jak to jest zamknięte jako „poza tematem”? Jest to nr 1 w wynikach Google dla zapytania „Szybkie usuwanie tagów html”.

— canhazbits

2

@canhazbits, wiem dobrze! Kliknij opcję Otwórz ponownie, aby wyznaczyć ją jako otwartą ponownie.

— Led

1

Swift 3: string.replacingOccurrences (of: "<[^>] +>", with: "", options: .regularExpression, range: nil)

— etayluz

150

Hmm, wypróbowałem twoją funkcję i zadziałała na małym przykładzie:

var string = "<!DOCTYPE html> <html> <body> <h1>My First Heading</h1> <p>My first paragraph.</p> </body> </html>"
let str = string.stringByReplacingOccurrencesOfString("<[^>]+>", withString: "", options: .RegularExpressionSearch, range: nil)
print(str)

//output "  My First Heading My first paragraph. "

Czy możesz podać przykład problemu?

Wersja Swift 4 i 5:

var string = "<!DOCTYPE html> <html> <body> <h1>My First Heading</h1> <p>My first paragraph.</p> </body> </html>"
let str = string.replacingOccurrences(of: "<[^>]+>", with: "", options: .regularExpression, range: nil)

— Steve Rosenberg
źródło

25

— Steve Rosenberg

1

To nie zawsze działa: HTML nie jest językiem zwykłym, w związku z czym wyrażenia regularne nie są w stanie przeanalizować HTML.

— Croissant Paramagnetic

1

Na przykład wypróbuj ten fragment HTML:<p foo=">now what?">Paragraph</p>

— Croissant Paramagnetic

32

W Swift 3

string.replacingOccurrences(of: "<[^>]+>",                                     with: "",                                     options: String.CompareOptions.regularExpression,                                     range: nil)

— Husam

5

W Swift 4 string.replacingOccurrences (of: "<[^>] +>", with: "", options: .regularExpression, range: nil)

— Raegtime

30

Ponieważ HTML nie jest językiem zwykłym (HTML jest językiem bezkontekstowym ), nie możesz używać wyrażeń regularnych. Zobacz: Używanie wyrażeń regularnych do analizowania kodu HTML: dlaczego nie?

Zamiast tego rozważyłbym użycie NSAttributedString.

let htmlString = "LCD Soundsystem was the musical project of producer <a href='http://www.last.fm/music/James+Murphy' class='bbcode_artist'>James Murphy</a>, co-founder of <a href='http://www.last.fm/tag/dance-punk' class='bbcode_tag' rel='tag'>dance-punk</a> label <a href='http://www.last.fm/label/DFA' class='bbcode_label'>DFA</a> Records. Formed in 2001 in New York City, New York, United States, the music of LCD Soundsystem can also be described as a mix of <a href='http://www.last.fm/tag/alternative%20dance' class='bbcode_tag' rel='tag'>alternative dance</a> and <a href='http://www.last.fm/tag/post%20punk' class='bbcode_tag' rel='tag'>post punk</a>, along with elements of <a href='http://www.last.fm/tag/disco' class='bbcode_tag' rel='tag'>disco</a> and other styles. <br />"    
let htmlStringData = htmlString.dataUsingEncoding(NSUTF8StringEncoding)!
let options: [String: AnyObject] = [NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType, NSCharacterEncodingDocumentAttribute: NSUTF8StringEncoding]
let attributedHTMLString = try! NSAttributedString(data: htmlStringData, options: options, documentAttributes: nil)
let string = attributedHTMLString.string

Lub, jak zrobiłby to Irshad Mohamed w komentarzach:

let attributed = try NSAttributedString(data: htmlString.data(using: .unicode)!, options: [NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType], documentAttributes: nil)
print(attributed.string)

— Joony
źródło

7

Wydaje się, że jest to najczystsze podejście i działa cudownie! Najlepiej pozwolić, aby przetestowany w boju framework Foundation załatwił to za Ciebie, zamiast samodzielnie pisać niestabilne parsery.

— Shyam Bhat

4

Czysty!!

let attributed = try NSAttributedString(data: htmlString.data(using: .unicode)!, options: [NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType], documentAttributes: nil)                             print(attributed.string)

większość ludzi woli wybierać odpowiedzi, które są małe i łatwe do zrozumienia.

— Irshad Mohamed

1

Dzięki za rozwiązanie! Czy można zapisać spacje i podziały wierszy, gdy usuwamy tagi HTML? Obecnie wszystkie podziały wierszy są pomijane w nowym ciągu.

— Astha Gupta

7

Tylko ostrzeżenie: konwertowanie (przypisywanie) stylu HTML powolne! . Inżynier CoreText z WWDC powiedział mi, że nie jest to już obsługiwane i całkowicie o tym zapomniał.

— Syreny

1

Tylko ostrzeżenie dotyczące poprzedniego ostrzeżenia: zobaczmy trochę danych, zanim odrzucimy metodę, która jest zbyt „wolna”. Istnieje wiele bibliotek C, których używasz (często nie zdając sobie z tego sprawy), które nie wymagają wiele konserwacji. To niekoniecznie jest złe.

— Joony

13

Rozwiązanie Mohameda, ale jako rozszerzenie ciągu w Swift 4.

extension String {

    func stripOutHtml() -> String? {
        do {
            guard let data = self.data(using: .unicode) else {
                return nil
            }
            let attributed = try NSAttributedString(data: data, options: [.documentType: NSAttributedString.DocumentType.html, .characterEncoding: String.Encoding.utf8.rawValue], documentAttributes: nil)
            return attributed.string
        } catch {
            return nil
        }
    }
}

— Andrzej
źródło

8

Używam następującego rozszerzenia, aby usunąć określone elementy HTML:

extension String {
    func deleteHTMLTag(tag:String) -> String {
        return self.stringByReplacingOccurrencesOfString("(?i)</?\(tag)\\b[^<]*>", withString: "", options: .RegularExpressionSearch, range: nil)
    }

    func deleteHTMLTags(tags:[String]) -> String {
        var mutableString = self
        for tag in tags {
            mutableString = mutableString.deleteHTMLTag(tag)
        }
        return mutableString
    }
}

Dzięki temu możliwe jest usuwanie tylko <a>tagów z ciągu znaków, np .:

let string = "my html <a href="">link text</a>"
let withoutHTMLString = string.deleteHTMLTag("a") // Will be "my  html link text"

— Antoine
źródło

@Mr Lister czy istnieje sposób na usunięcie wszystkich tagów html i zachowanie tego <a href=""> tekstu linku </a>?

— Mazen Kasser

6

extension String{
    var htmlStripped : String{
        return self.replacingOccurrences(of: "<[^>]+>", with: "", options: .regularExpression, range: nil)
    }
}

Miłego kodowania

— Benny Davidovitz
źródło

2

szybki 4:

extension String {
    func deleteHTMLTag(tag:String) -> String {
        return self.replacingOccurrences(of: "(?i)</?\(tag)\\b[^<]*>", with: "", options: .regularExpression, range: nil)
    }

    func deleteHTMLTags(tags:[String]) -> String {
        var mutableString = self
        for tag in tags {
            mutableString = mutableString.deleteHTMLTag(tag: tag)
        }
        return mutableString
    }
}

— Logika
źródło

2

lub możesz użyć w ten sposób: func deleteHTMLTag () -> String {return self.replacingOccurrences (of: "(? i) </? \\ b [^ <] *>", with: "", options: .Expression , range: nil)}

— Anil Kumar

To wyrażenie regularne nie powoduje usunięcia kodu HTML za mnie. Przykładowy ciąg: „<b> Koty lubią </b> coś robić”. Nie zbadałem więcej powodu, dla którego to nie działa. Ale text.replacingOccurrences (of: "<[^>] +>", ....) działa w moich prostych przypadkach.

— Benjamin Piette

2

Zaktualizowano dla Swift 4:

guard let htmlStringData = htmlString.data(using: .unicode) else { fatalError() }

let options: [NSAttributedString.DocumentReadingOptionKey: Any] = [
                .documentType: NSAttributedString.DocumentType.html
                .characterEncoding: String.Encoding.unicode.rawValue
             ]

let attributedHTMLString = try! NSAttributedString(data: htmlStringData, options: options, documentAttributes: nil)
let string = attributedHTMLString.string

— Lee Irvine
źródło

brakuje znaku „,” po .documentType: param

— cwgso

0

Wolę używać wyrażeń regularnych niż używać konwersji HTML NSAttributedString, pamiętaj, że jest to dość czasochłonne i musi być również uruchamiane w głównym wątku. Więcej informacji tutaj: https://developer.apple.com/documentation/foundation/nsattributedstring/1524613-initwithdata

W moim przypadku to załatwiło sprawę, najpierw usuwam wszelkie wbudowane style CSS, a później wszystkie znaczniki HTML. Prawdopodobnie nie jest solidny, jak opcja NSAttributedString, ale znacznie szybciej w moim przypadku.

extension String {
    func withoutHtmlTags() -> String {
        let str = self.replacingOccurrences(of: "<style>[^>]+</style>", with: "", options: .regularExpression, range: nil)
        return str.replacingOccurrences(of: "<[^>]+>", with: "", options: .regularExpression, range: nil)
    }
}

— pegpeg
źródło