有没有一种函数可以将HTML转换为纯文本？

Question

是否有一个“咕泡”（hocus-pocus）函数适用于 Android 可以将 HTML 转换成纯文本？

我指的是类似于 Internet Explorer、Firefox 等浏览器中的剪贴板转换操作的函数：如果你选择浏览器中渲染的所有 HTML，并将其复制/粘贴到文本编辑器中，你将收到（大部分）文本，而没有任何 HTML 标记或头信息。

在一个类似的主题中，我看到了对html2text 的引用，但它是用 Python 编写的。我正在寻找一个适用于 Android/Java 的函数。

是否有这样的功能可用，还是我必须自己使用 Jsoup 或 Jtidy 进行处理？

- Regex Rookie

---

使用这个就可以了，它能正常工作 :) --------------------------------------- http://www.codecodex.com/wiki/Convert_HTML_to_plain_text 它可以将文本/HTML转换为纯文本。 - Sudharshan Acharia

Answer 1

我会尝试类似于以下的代码：

String html = "<b>hola</b>";
String plain = Html.fromHtml(html).toString();

- Cristian

---

谢谢，它移除了HTML标签，但仍包含页面中的所有响应头和JavaScript代码...我正在寻找我上面描述的“剪贴板文本”功能。 - Regex Rookie

这不是API中提供的内容。它是Web浏览器的私有实现...您可以查看其源代码以了解其实现方式。 - Cristian

Jsoup怎么样？https://dev59.com/UXVC5IYBdhLWcg3wnCaA - Regex Rookie

不错啊，伙计……我没听说过。 - Cristian

事实证明，Html类本身使用了一种名为TagSoup的Jsoup变体。 - Regex Rookie

HTML类是android.text.Html对吗？（参见：https://dev59.com/UXVC5IYBdhLWcg3wnCaA#6385950） - KajMagnus

Answer 2

使用JSOUP：

String plain = new HtmlToPlainText().getPlainText(Jsoup.parse(html));

没有JSOUP：

String html= "htmltext";
String newHtml = html.replaceAll("(?s)<[^>]*>(\\s*<[^>]*>)*", " ").trim();

- Khal Drogo