1. 首页
  2. 问答
  3. 使用C++将HTML转换为纯文本

使用C++将HTML转换为纯文本

2010-03-09 114 views
0

我正在做邮件解析应用程序，它需要将HTML文件转换为纯文本。 对此，我发现了一些转换的脚本。 我想在C++中做同样的事情。使用C++将HTML转换为纯文本

所以，请给我建议任何跨平台和开源的C++库，用于将HTML转换为纯文本。

预先感谢 问候 对于SubBi

来源

2010-03-09 Subbi Reddy K

+0

“转换”是什么意思？ Html是纯文本！你想剥离html标签吗？ – neverlord 2010-03-09 15:04:14

+0

是的。我想剥离HTML标签 – 2010-03-12 08:19:48

回答

0

尝试使用正则表达式提取HTML标签，并保存为结果文件中的文本。但这并不简单。使用此帮助类DEELX - Regular Expression Engine。

来源

2010-03-09 15:19:06 lsalamon

+0

感谢您的链接到DEELX。我并不总是喜欢处理包括提升。 – mfperzel 2010-03-09 16:51:35

0

看看html2text。这是一个命令工具，不是纯粹的lib，但包含剥离和转换html的代码。所以你应该可以使用它。

来源

2010-03-09 15:26:19

0

由于“明显的”，因为它可能声音，你可以只保留> & <

来源

2010-03-09 16:48:16

+0

我认为你误解了我的问题。我的愿望是将HTML转换为文本。 – 2010-03-10 04:45:34

+0

@subbi：HTML标签包含在< & >之间，所以剥离它们会给你文本：>＆<之间的所有内容。当然，我只是简单地介绍一下，您需要注意一些特殊标签（即

0

我发布的Windows which originally came from @Ben Anderson's C# solution的C++版本。 请注意，代码还不是很强大。所有领先和结束的换行符都将被修剪。

// The trimming method comes from https://stackoverflow.com/a/1798170/1613961 
wstring trim(const std::wstring& str, std::wstring& newline = L"\r\n") 
{ 
    const auto strBegin = str.find_first_not_of(newline); 
    if (strBegin == std::string::npos) 
     return L""; // no content 

    const auto strEnd = str.find_last_not_of(newline); 
    const auto strRange = strEnd - strBegin + 1; 

    return str.substr(strBegin, strRange); 
} 

wstring HtmlToText(wstring htmlTxt) { 

    std::wregex stripFormatting(L"<[^>]*(>|$)"); //match any character between '<' and '>', even when end tag is missing 

    wstring s1 = std::regex_replace(htmlTxt, stripFormatting, L""); 
    wstring s2 = trim(s1); 
    wstring s3 = std::regex_replace(s2, std::wregex(L"\\&nbsp;"), L" "); 
    return s3; 
}

来源

2018-01-31 07:29:05

相关问题

 相关问题