用Ruby将HTML转换为纯文本？
用Ruby将HTML转换为纯文本？
提问于 2010-03-24 11:14:25
有没有什么东西可以将html转换成纯文本(可能是nokogiri脚本)？一些可以保持断行的东西，但仅此而已。
如果我在googledocs上编写一些东西，比如this，并运行该命令，它会输出(删除css和javascript)，如下所示：
\n\n\n\n\nh1. Test h2. HELLO THEREI am some teexton the next line!!!OKAY!#*!)$!所以格式化都搞砸了。我相信有人已经在某处解决了这样的细节。
回答 9
Stack Overflow用户
回答已采纳
发布于 2010-03-24 11:35:37
实际上，这要简单得多：
require 'rubygems'
require 'nokogiri'
puts Nokogiri::HTML(my_html).text不过，您仍然有换行符的问题，所以您必须自己弄清楚如何处理这些问题。
Stack Overflow用户
发布于 2010-03-24 11:36:19
您可以从如下内容开始：
require 'open-uri'
require 'rubygems'
require 'nokogiri'
uri = 'http://stackoverflow.com/questions/2505104/html-to-plain-text-with-ruby'
doc = Nokogiri::HTML(open(uri))
doc.css('script, link').each { |node| node.remove }
puts doc.css('body').text.squeeze(" \n")Stack Overflow用户
发布于 2010-03-24 11:16:00
简单地去掉标签和多余的换行符可以接受吗？
html.gsub(/<\/?[^>]*>/, '').gsub(/\n\n+/, "\n").gsub(/^\n|\n$/, '')第一次剥离标签，第二次将重复的换行符分解为一个，第三次删除字符串开始和结束处的换行符。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/2505104
复制相关文章
相似问题