使用Objective-C将HTML文本转换为纯文本
我有巨大的NSString与HTML文本里面。 该string的长度超过3.500.000个字符。 我怎样才能将这个HTML文本转换为纯文本内的NSString 。 我正在使用扫描仪，但工作速度太慢。 任何想法 ？
这取决于你的iOS版本的目标。 由于iOS7有一个内置的方法，不仅可以剥离HTML标签，而且可以将格式设置为string：
Objective-C的
[[NSAttributedString alloc] initWithData:[htmlString dataUsingEncoding:NSUTF8StringEncoding] options:@{NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType, NSCharacterEncodingDocumentAttribute: [NSNumber numberWithInt:NSUTF8StringEncoding]} documentAttributes:nil error:nil];
迅速
let attributedString = try NSAttributedString(data: htmlString.dataUsingEncoding(NSUTF8StringEncoding)!, options: [NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType], documentAttributes: nil)
如果你只需要删除<和> （dirty way !!!）之间的所有内容，如果你在string中有这些字符，这可能会有问题，使用这个：
- (NSString *)stringByStrippingHTML { NSRange r; NSString *s = [[self copy] autorelease]; while ((r = [s rangeOfString:@"<[^>]+>" options:NSRegularExpressionSearch]).location != NSNotFound) s = [s stringByReplacingCharactersInRange:r withString:@""]; return s; }
我用扫描仪解决了我的问题，但是我并没有把它用于所有的文本。 我将它用于每个10.000文本部分，然后将所有部分拼接在一起。 我的代码如下
-(NSString *)convertHTML:(NSString *)html { NSScanner *myScanner; NSString *text = nil; myScanner = [NSScanner scannerWithString:html]; while ([myScanner isAtEnd] == NO) { [myScanner scanUpToString:@"<" intoString:NULL] ; [myScanner scanUpToString:@">" intoString:&text] ; html = [html stringByReplacingOccurrencesOfString:[NSString stringWithFormat:@"%@>", text] withString:@""]; } // html = [html stringByTrimmingCharactersInSet:[NSCharacterSet whitespaceAndNewlineCharacterSet]]; return html; }
对于Swift语言，
NSAttributedString(data:(htmlString as! String).dataUsingEncoding(NSUTF8StringEncoding, allowLossyConversion: true )!, options:[NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType, NSCharacterEncodingDocumentAttribute: NSNumber(unsignedLong: NSUTF8StringEncoding)], documentAttributes: nil, error: nil)!
- (NSString *)stringByStrippingHTML:(NSString *)inputString { NSMutableString *outString; if (inputString) { outString = [[NSMutableString alloc] initWithString:inputString]; if ([inputString length] > 0) { NSRange r; while ((r = [outString rangeOfString:@"<[^>]+>| " options:NSRegularExpressionSearch]).location != NSNotFound) { [outString deleteCharactersInRange:r]; } } } return outString; }
你有没有尝试下面这样的东西，不知道它是否会像使用扫描仪之前那样快，请检查： –
//String which contains html tags NSString *htmlString=[NSString stringWithFormat:@"%@",@"<b>right</b> onto <b>Kennington Park Rd/A3</b>Continue to follow A3</div><div >Entering toll zone in 1.7 km at Newington Causeway/A3</div><divGo through 2 roundabouts</div>"]; NSMutableString *mutStr=[NSMutableString string]; NSString *s = nil; //Removing html elements tags NSArray *arra=[htmlString componentsSeparatedByCharactersInSet:[NSCharacterSet characterSetWithCharactersInString:@"</>"]]; NSLog(@"%@",arra); for (s in arra) { [mutStr appendString:@" "]; [mutStr appendString:s]; } NSLog(@"%@",mutStr);//Printing the output