如何在不删除html标记的情况下将html转换为文本
将HTML转换为纯文本有许多方法。以下是一种常见的方法，可以在不删除HTML标记的情况下将HTML转换为纯文本：
- 使用正则表达式：可以使用正则表达式来匹配和替换HTML标签。以下是一个示例代码：
import re
def html_to_text(html):
# 使用正则表达式匹配HTML标签并替换为空字符串
text = re.sub('<[^<]+?>', '', html)
# 替换HTML实体
text = re.sub(' ', ' ', text)
text = re.sub('&', '&', text)
# 返回纯文本
return text使用该函数，您可以将HTML转换为纯文本，如下所示：
html = '<p>This is <b>bold</b> and <i>italic</i> text.</p>'
text = html_to_text(html)
print(text)
# Output: This is bold and italic text.- 使用Python的库：还可以使用一些Python库来处理HTML并将其转换为纯文本，例如：
- BeautifulSoup：BeautifulSoup是一个功能强大的库，可以从HTML中提取数据并将其转换为纯文本。您可以使用该库的
get_text()方法来提取纯文本。以下是一个示例代码：
from bs4 import BeautifulSoup
def html_to_text(html):
soup = BeautifulSoup(html, 'html.parser')
text = soup.get_text()
return text使用该函数，您可以将HTML转换为纯文本，如下所示：
html = '<p>This is <b>bold</b> and <i>italic</i> text.</p>'
text = html_to_text(html)
print(text)
# Output: This is bold and italic text.- html2text：html2text是一个简单易用的Python库，可以直接将HTML转换为纯文本。以下是一个示例代码：
import html2text
def html_to_text(html):
text = html2text.html2text(html)
return text使用该函数，您可以将HTML转换为纯文本，如下所示：
html = '<p>This is <b>bold</b> and <i>italic</i> text.</p>'
text = html_to_text(html)
print(text)
# Output: This is bold and italic text.以上是将HTML转换为纯文本的一些常见方法。根据具体需求和开发环境，您可以选择适合您的方法来实现转换。对于云计算领域来说，可以使用腾讯云的云函数（SCF）来部署和运行这些代码，具体可参考腾讯云函数（SCF）的产品介绍：腾讯云函数（SCF）。
相关·内容
我需要从html字符串中检索html元素<div class='important-contents'>...</div>中的内容(没有html标记的字符串)。
实际上，我可以使用以下代码加载所有文本。
string htmlString= "<html>...</html>";
Regex regex = new Regex("\\<[^\\>]*\\>");
return regex.Replace(htmlString, String.Empty);
如何在im
浏览 1提问于2015-04-15得票数 0
回答已采纳
_request = (HttpWebRequest)WebRequest.Create(url);
_response = (HttpWebResponse) _request.GetResponse();
StreamReader streamReader = new StreamReader(_response.GetResponseStream());
string text = streamReader.ReadToEnd();
带有html标签的文本。如何在没有html标签的情况下获取文本？
浏览 0提问于2011-11-30得票数 1
3回答
我需要一个巨大的自然文本文件的机器学习和维基百科转储是伟大的这一目的。那么，如果没有xml标记(仅仅是内容)，我如何以某种语言(非英语)下载几个gb的文本呢？
浏览 10提问于2016-05-30得票数 0
回答已采纳
2回答
我使用$(selector).html();获取DOM，并使用此操作$(selector).empty().text($(selector).html());将其转换为文本。
我的问题是，text();在没有任何格式的情况下将html转换成纯文本，是否有可能将文本格式化成它在dom中的样子？
我正在将所有内容插入预元素中，因此在执行html()时，它认为应该像处理任何其他html标记一样处理它。
如下所示：
(没有箭头隐藏功能)
浏览 3提问于2013-10-16得票数 0
回答已采纳
2回答
我有一个命令行C程序(DOS/Windows)，它作为一个.txt文件生成多个记录的十六进制转储。我正在寻找一种方法来强调某些价值观，而不诉诸于艺术。
是否有现成的查看程序和字节序列的组合，可以让我突出显示/粗体/划线某些文本块？如果我可以用一个简单的fprintf或fwrite调用来生成它的话，就会得到额外的点数。
我想HTML是一种选择，但我希望有更简单的东西，类似ANSI转义代码的东西。
有什么想法吗？
如果HTML是最好的，那么生成有效文档所需的最小头/尾是多少？
(该死的吉姆，我是一个嵌入式程序员，不是一个网页设计师)
浏览 4提问于2011-03-17得票数 1
回答已采纳
2回答
我想要清除JSON文件中错误提取的HTML内容，方法是丢弃所有包含在HTML标记中的文本，包括标记本身。
我试过这个功能：
def stripIt(s):
txt = re.sub('</?[^<]+?>.*?</[^<]+?>', '', s)
return re.sub('\s+', ' ', txt)
但是当我将它应用到JSON文件时，它可能会破坏JSON文件，从而产生一些错误。
HTML内容还会因缺少标记、仅关闭标记而中断，等等。
那么，如何在不破坏文件的情况下，从JSO
浏览 4提问于2015-01-06得票数 1
回答已采纳
<html>
<head>
</head>
<body>
<div style="width: 100%;"> This question already
</div>
<div id="player"> hi crawler4j </div>
<script>
player = new Clappr.Player({source: "http://123.30.215.65/hls/45457
浏览 2提问于2019-12-26得票数 0
我在Django应用程序中创建了一个联系人表单。
在我的模板中有一个textarea字段：
<textarea class="form-control" rows="8" id="email_body" name="email_body" placeholder="Email body"></textarea>
在我的views.py中，这个文本区域的内容被传递给一个发送电子邮件的函数：
def index(request):
# some code here
email_b
浏览 10提问于2016-11-14得票数 0
回答已采纳
2回答
我需要处理收到的电子邮件的正文。它们可以是纯文本、超文本标记语言和RichText格式。我需要对正文文本执行文本匹配算法，但是HTML和RichText标记会混淆它们。有没有一种方法可以获得纯文本数据？
我正在寻找一种方法，可以自动解析这两种格式(就像当我在Total commander中按F3时，它会同时显示HTML和RTF文件中的文本)。
商业解决方案也是一种选择。
提前谢谢。
浏览 0提问于2012-08-05得票数 0
4回答
我有一个输入，所以用户可以输入html或纯文本。例如，当用户从MS Word复制粘贴文本时，它会生成一个奇怪的html。然后，当您查看该主题时，您可以看到整个页面的样式受到影响。我真的不知道生成的html是否有未闭合的标签或其他东西，但它看起来确实有，因此，页面的样式会受到影响。
有谁知道如何将该div的html (或任何容器)与整个页面的样式“隔离”？
浏览 2提问于2010-02-10得票数 1
回答已采纳
3回答
我需要一个regex表达式来捕获文本周围的< strong >和< /strong > (< strong > text < /strong >，但是我希望避免删除< strong >和< /strong >中间的文本)。
基本上是在
preg_replace($expression, "", "<strong>STRONG</strong>");
只会给我一个没有STRONG和< /strong >的< strong >
我目前有：
<
浏览 3提问于2015-01-15得票数 0
回答已采纳
这些命令之间有什么区别？为什么第一个匹配，但是does单个文件的十六进制转储不返回任何内容？
$ hexdump -C DRAFT* FAIL* RCV* | grep "49 d0 38 ec 06 a1 c3"
0001f430 49 d0 38 ec 06 a1 c3 7a 10 39 9c 07 bd cd 66 10 |I.8....z.9....f.|
$ hexdump -C RCV* | grep "49 d0 38 ec 06 a1 c3"
$ hexdump -C DRAFT* | grep "49 d0 38 ec 06 a1
浏览 0提问于2011-06-24得票数 0
回答已采纳
我放置了以下文本，并使用捆绑的图像过滤器(AutoHtml:: image )得到了一个意想不到的结果。
<img src="http://hoge/image.png">
这个过滤器把它转换成后续代码。
<img src=""
<a href="http://hoge/image.png">
<img src="http://hoge/image.jpg">
</a>
"">
我只想用纯文本而不是html标记来传输。
我怎样才能解决这个问题？
浏览 2提问于2016-05-01得票数 0
回答已采纳
4回答
我需要提取出现在html的<body>中的所有文本。Html输入示例：
<html>
<title>title</title>
<body>
<h1> This is a big title.</h1>
How are doing you?
<h3> I am fine </h3>
<img src="abc.jpg"/>
</body>
浏览 2提问于2011-05-01得票数 6
回答已采纳
2回答
我希望将<script> ...... </script>作为文本(或者不是可执行代码)，它使用ajax从另一个页面返回。
<div id="page"></div>
$.ajax({
url: "http://example.com",
type: "GET",
crossDomain: true,
dataType: "text/html",
success: function(response)
浏览 7提问于2016-11-12得票数 3
每当我尝试它时，即使当我在list-style-type: none中使用HTML和CSS时，我似乎也无法摆脱要点。
我所得到的最深远的结果是添加了一个<style>元素，这个元素可以工作，但是<style>元素并不能完全解析HTML，而且<style>元素也显示为纯文本，这不是我在VS代码上看到的行为。
<style>
#TOC ul {
list-style-type: none;
}
</style>
<div id="TOC">
<ul>
...
<
浏览 2提问于2020-12-28得票数 0
回答已采纳
我正在创建一个应用程序，其中列出了Ebay上的项目，并为每个项目提供了一个html页面，并被告知要使描述与此HTML匹配。HTML页面是非常基础的，并且在HTML4 (大量的<font>和<p align='left'>等)中
当我file_get_contents() html时，我将它包装在CDATA中，以转义HTML等等。虽然当我发布它时，我被踢回了一个关于字符串编码的错误。
这是我的密码
if(ini_get(allow_url_fopen) == 1){
$page_layout .= "<![CDATA[";
浏览 1提问于2011-01-27得票数 1
回答已采纳
1回答
我有一个包含HTML代码的字符串变量，我希望它呈现，而不是显示为文本。我尝试了不同的Pug配置：
如果变量content包含字符串<a href="/something">@something</a>：
p(style="white-space: pre-line")
| #{content}
将字符串显示为文本，而不呈现它，
p(style="white-space: pre-line")
#{content}
显示如下：<@something>@something>中的第一个@可以点击
浏览 7提问于2020-08-24得票数 0
回答已采纳
我有一个脚本，它生成一个超文本标记语言文档，然后使用如下内容将其转换为.doc文件：
libreoffice5.3 --headless --convert-to doc:"MS Word 97" input.html --outdir outputdir
我无法在表格单元格上设置填充。它们最终总是在底部留出0.5厘米的空间。
我尝试添加页面范围的CSS，比如“td{padding:0 0cm；}”，并尝试将CSS直接添加到元素本身，甚至尝试将"cellpadding=0“添加到元素中。
我记得在某处读到，可以通过使用模板过滤器将预定义样式应用于文档，但我似乎找不到任何
浏览 6提问于2017-05-23得票数 4
我有一个程序，用户在那里发布信息。它们发布的信息被插入数据库。现在，当用户发布一些HTML代码时，我面临一个问题。从数据库获取代码时，代码充当HTML而不是普通文本。
如果用户发布<input type="text"，那么它将很好地插入到数据库中，但在获取时会出现一个文本框。如果用户保留双引号为<input type="text，那么整个系统就会崩溃。
该怎么办呢。请帮我处理这个。谢谢。
浏览 2提问于2016-08-07得票数 0
回答已采纳
1回答
我开始在python3中使用xpath，并面临这种行为。我觉得这很不对。为什么它与跨文本匹配，而不匹配h3内部的p文本？
>>> from lxml import etree
>>> result = "<h3><p>Hallo</p></h3>"
>>> tree = etree.HTML(result)
>>> r = tree.xpath('//h3//text()')
>>> print(r)
[]
>>
浏览 1提问于2018-01-12得票数 3
回答已采纳
我正在使用summernote添加图像，视频，文本。此外，我保存图像或视频作为Html代码，这是类型字符串到数据库。当我从数据库中检索视频或图像显示在summernote上时，我花了将近5分钟，我不知道为什么。但是，当我从数据库中检索文本以显示在summernote上时，没有任何问题。
这是模型
public class Article
{
[AllowHtml]
[Column(TypeName = "varchar(MAX)")]
public string Content { get; set; }
}
这是夏季笔记编辑器的视图
@Html.TextAr
浏览 2提问于2018-01-22得票数 0
我有一个包含HTML的字符串。在这个HTML中，我有一个文本框，里面有文本：
<div class="aLotOfHTMLStuff"></div>
<textbox>This textbox must be terminated! Forever!</textbox>
<div class="andEvenMoreHTMLStuff"></div>
现在，我想从该字符串中删除文本框，包括其中的文本。想要的结果：
<div class="aLotOfHTMLStuff"
浏览 0提问于2016-10-05得票数 0
2回答
所以基本上我在页面上用ng-bind-html显示一些文本，因为文本由html元素组成，当你的鼠标悬停在它上面时，我有显示相同文本的要求。
我已经创建了css类，它将在悬停时显示相同的文本，但html标签作为文本到来。我找到了它说这是不可能的。
我使用的是angularjs，下面是html
<div ng-controller="foo">
<p class="ellipsis" ng-bind-html="bar" data-text="{{bar}}"></p>
</div&g
浏览 0提问于2018-09-26得票数 0
1回答
在一个旧的数据库中，我们有这样的超文本标记语言字符引用：展览，我如何将它们转换成有效的UTF8字符(展览，->，展览)？
我知道例如PHP func html_entity_decode可以做到这一点，但是数据量太大了，要把这个传回去，第四个传给PHP。
通过regexp匹配all，强制转换为int，然后强制转换为代码点？有可能吗？
浏览 0提问于2013-05-21得票数 2
1回答
我在产品后台添加textarea的定制模块。当我在tpl文件中打印这个文本区域时，直接的html链接如下
我用这个在第三方物流上打印
{if isset($belvg_textarea)}
<div>
{$belvg_textarea|unescape:'html'}
{$belvg_textarea|escape:'html'}
</div>
{/if}
并在模块php文件中显示。
public function hookDisplayFooterProduct($params) {
浏览 5提问于2017-04-14得票数 2
回答已采纳
目前，我正在从一个网站拉取文本，使用
public String getText(String uri) {
HttpClient client1 = new DefaultHttpClient();
HttpGet request = new HttpGet(uri);
ResponseHandler<String> responseHandler = new BasicResponseHandler();
try {
String response_str = client1.execute(request, response
浏览 2提问于2011-08-14得票数 0
回答已采纳
与使用Unicode字形本身(-、-和…)相比，依赖于对ASCII码字符之后的排版功能(如--、---和...中的短划线和省略号)的Markdown支持的优缺点是什么？在文本中吗？
[我正在考虑用rmarkdown编写动态报告，可以将其转换(knitr+pandoc)为html、pdf和docx/odt格式。
浏览 2提问于2017-10-31得票数 0
1回答
因此，我们使用FastAPI构建了一个API，对于API的文档，我们首先使用标记并在初始化FastAPI对象时传递它，如下所示
main = FastAPI(
root_path="/public",
title="API",
description="""{}""".format(open("public/app/description.md").read()),
)
在我们的description.md文件中，我们使用了标记代码块特性，它突出了语法。我们使用的语法是在它旁
浏览 6提问于2020-11-06得票数 5
我已经创建了一个调查，其中一些问题包括html和css格式文本。我面临的问题是，当我以csv格式导出数据时，标题包括我在问题源中编写的html和css。除了html和css之外，还有什么方法可以提取数据吗？
非常感谢
浏览 3提问于2016-05-18得票数 0
回答已采纳
3回答
我正在尝试解析一些包含一些HTML实体的HTML，比如×
$str = '<a href="http://example.com/"> A × B</a>';
$dom = new DomDocument;
$dom -> substituteEntities = false;
$dom ->loadHTML($str);
$link = $dom ->getElementsByTagName('a') -> item(0);
$fullname = $link -> n
浏览 0提问于2011-08-28得票数 5
我正在Haxe建立一个静态站点生成器。使所有东西都是静态的优点是，您可以输出任何您想要的html。我已经使用regexp从输出html中删除了模板中的注释。
但是，我想知道如何在相同的过程中缩小html。我对制表符/换行符进行了简单的拆分/连接，但我很快发现，这对pre/code和脚本标记中的内容不起作用。
如何在不丢失前/代码/脚本标记中的格式的情况下删除换行符和制表符？
注意:我不介意得到与Haxe不同的编码语言的答案。
浏览 0提问于2015-12-20得票数 0
回答已采纳
我需要一个正则表达式或函数，可以删除编码的HTML标记从数据库记录。我有一个数据库中的文本正在被存储(从TinyMCE)作为编码的超文本标记语言。
该代码具有编码的“小于”和“大于”标签。
我想删除所有编码的标签和HTML，只留下纯文本和空格。
浏览 1提问于2009-03-10得票数 0
回答已采纳
3回答
当我在HTML中对文本进行居中时，我总是使用<center>标记。不过，最近，我因为使用CSS而不是使用CSS对齐文本而受到强烈反对。人们不使用它的主要原因是<center>标签已经过时，将被“逐步淘汰”。这是真的吗？我应该开始将文本对齐移动到CSS吗？或者我只使用<center>标签安全吗？
浏览 5提问于2017-12-15得票数 2
回答已采纳
我从服务器获得了一些HTML样式的文本，需要显示为attributedText的UILabel或UITextView。
html可能包含简单的<em>、<b>、<u>标记以及指定文本部分不同颜色的<font>标记。
首先，我采用了简单的方法，将我的HTML转换为数据，并使用它适当地使用init(data:options:documentAttributes:)初始化一个init(data:options:documentAttributes:)。
这就像预期的一样，只不过它覆盖了文本视图的字体，看起来就像是一个非常小的Times。
基于在上找到的
浏览 0提问于2018-02-26得票数 0
回答已采纳
4回答
有两列。其中一个包含HTML，另一个包含纯文本。我如何将它们作为两个纯文本进行比较？转换HTML ->纯文本的方法应该与浏览器将选定的HTML复制到剪贴板并粘贴到记事本时的操作方式相同。
浏览 2提问于2010-07-14得票数 1
回答已采纳
1回答
如何呈现通过表单提交的HTML？
、、、、
如何呈现通过表单提交的HTML？
我正在一个Rails 4应用程序中构建一个文本编辑器。我使用javascript将内容可编辑的数据传递到要保存到数据库的表单中。目前为止一切都很好。
除了用户保存的文本外，还包括HTML .所以我保存的内容如下所示：
<header class="header" contenteditable="true">
This is a title
</header>
<article class="content" contenteditable="t
浏览 2提问于2014-05-26得票数 0
回答已采纳
1回答
某些字体有一个轮廓和填充的变体，如果在重叠的文本上使用这些字体，它会在填充的文本上画一个轮廓或阴影的笔画。这与笔画文本的轮廓不同，比如-webkit-文本笔画-颜色会给你，因为有时填充的字体包含阴影或其他细节。
下面是一些字体的例子，这些字体被设计成这样使用。
我可以使用这样的CSS来实现这个功能：
这将创建两个H1跨度，并使用上边框将大纲移动到已填充的大纲的上方。
然而，这在我看来并不理想。两个问题：
我不想在html中复制文本。
我不得不通过试验和错误来猜测最高利润。
如果文本被包装，这就不再起作用了。
有更好的方法吗？我可以忍受不得不复制文本，但我真的想要一种更
浏览 7提问于2012-07-26得票数 12
回答已采纳
3回答
我有一个文章列表页面，它需要显示一些关于这篇文章的内容信息，如果我只使用
truncate @article.content,:length=>100
它会显示一些html标签，并没有向用户显示真正的内容，所以我想找到一些方法来从内容中提取文本，所以我想问一下，有什么嵌入式方法可以实现这一点吗？
浏览 3提问于2010-11-23得票数 5
回答已采纳
1回答
在我的角4应用程序中，我有一个字符串，类似于
comment: string;
comment = "<p><em><strong>abc</strong></em></p>";
当我在html中提供这篇文章时，就像
{{comment}}
然后显示：
<p><em><strong>abc</strong></em></p>
但我需要以粗体和斜体形式显示文本"abc“，就像abc一样。
我该怎么做？
浏览 0提问于2018-02-27得票数 297
回答已采纳
到目前为止，这是我的代码：
有两个div：
div #1
<div class="slidingDiv">
<div>Firstname</div>
<div class='resetOptions'>
<input id='vVorname' name='uVorname' type='text' size='21'></input>
</div>
<div
浏览 9提问于2015-11-23得票数 0
我正在为一个德国客户建立一个网站，因此网站上的文本将定期包含以下字符：
ä
舍尔
ü
二.二
当网站在任何地方使用UTF-8字符编码时，是否有必要将所有这些字符转换为HTML实体？
或者这两个区域之间没有关系？
那么，当(如果有的话)我应该把这些转换成HTML实体的时候呢？
浏览 3提问于2013-07-18得票数 2
回答已采纳
4回答
在DIV中，我放置了一些从数据库加载的文本/html代码。此文本有时包含字体大小定义(例如: font size="3")。有没有办法在这个特定的DIV中使用CSS覆盖这个字体大小。
我非常感谢您的帮助。
浏览 0提问于2012-06-16得票数 8
回答已采纳
因此，我使用com.google.appengine.api.datastore.Text在我的GAE数据库中存储整篇文章(字符串超过500个字符)。
Google说<variableName>.getvalue()会给出文本变量的值！
但是如果我插入一个已经缩进和格式化的字符串..。当我使用.getValue()函数并在我的网页上打印文本时，我会丢失格式和空格。
这是函数的代码，返回一个HTML字符串给客户机，然后客户机将这个HTML字符串附加到div并显示它。
public void getArticle(int articleId)
{
PersistenceManager
浏览 1提问于2013-10-02得票数 0
回答已采纳
2回答
我需要使用Javascript / Node.Js将包含html标记的文本片段转换为纯文本。
我目前使用String.Js库来实现这一点，但问题是，当它删除标记(使用strip_tags()函数)时，它也会删除新行。
例如。
<div>Some text</div><div>another text</div>
变成了
Some textanother text
你知道我怎样才能摆脱这个问题吗？也许是另一个图书馆？
谢谢!
浏览 2提问于2014-11-04得票数 0
1回答
我正在开发一个应用程序，使用户能够在文本文章上进行协作(通常通过突出/注意特定的文本范围)。
我将有一个API，它以某种形式为文档提供服务(它们现在是.doc格式，但我想以类似于Markdown的方式交付它们)。我可以放心地假设文章的内容不会改变。
我目前还停留在这些亮点的编码格式上。问题是，这些文章有一些格式(例如，作者将引用另一篇外部文章的区块引号，以及典型的换行符和段落间距)，因此客户端将对这种格式的解释不同于服务器。
例如，Markdown使用>字符来表示块引号中的内容，而<blockquote>则使用<blockquote>--所以在本例中，当用户突出显
浏览 1提问于2013-03-05得票数 0
回答已采纳
我正在构建一个React应用程序，它需要使用外部API来获取一些文本。问题是返回的文本是一个带有HTML标记的字符串，以显示重点，例如：
{ "text": ["The quick <em class='hl'>brown</em> fox"] }
我一直这样使用dangerouslySetInnerHTML
{this.props.text.map(function(snippet) {
return <div dangerouslySetInnerHTML={{__html: snippet }}>&
浏览 1提问于2015-07-09得票数 5
1回答
我正在使用Summernote WYSIWYG编辑器(如下所示)，并发现它使用HTML标记来格式化文本。
<textarea name="body" id="editor" value="{{old('body')}}" rows="10" required></textarea>
如何保护我的应用程序免受XSS攻击？我将输入存储为纯文本，并使用：{!! $body !!}输出。
是否可以为易受攻击的输入筛选textarea，如：<script>alert("boom&#
浏览 0提问于2019-02-02得票数 3
回答已采纳
使用cURL或此...
$html = file_get_contents('http://stackoverflow.com/questions/ask');
获取网页，但它也将其呈现为普通网页，而我只需要文本。
浏览 4提问于2012-07-25得票数 0
回答已采纳
4回答
从HTML字符串中获取纯文本字符串的最佳方法是什么？
public string GetPlainText(string htmlString)
{
// any .NET built in utility?
}
提前感谢
浏览 0提问于2011-05-03得票数 29
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
