我怎样能够从一个字符串中删除HTML标签，以便输出干净的文本？
let str = string.stringByReplacingOccurrencesOfString("<[^>]+>", withString: "", options: .RegularExpressionSearch, range: nil)
print(str)
从字符串中删除HTML标签
122
- arled
5
只需使用HTML解析器。 - The Paramagnetic Croissant
1Led，这个问题非常有价值，但是目前的状态很可能会被关闭，因为你没有提出一个清晰的问题：这是一个不可重现的场景。我建议你按照 [ask] 重新表达你的问题。我不希望那个问题被删除。 - Tunaki
3这个被关闭为“离题”的问题是怎么回事？它是“Swift去除HTML标签”的谷歌搜索结果中排名第一的。 - canhazbits
2@canhazbits 我也知道！点击“重新打开”以再次提名它重新打开。 - arled
1Swift 3：string.replacingOccurrences(of: "<[^>]+>", with: " ", options: .regularExpression, range: nil) - etayluz
10个回答
181
嗯，我尝试了你的函数，并且它在一个小例子上有效：
var string = "<!DOCTYPE html> <html> <body> <h1>My First Heading</h1> <p>My first paragraph.</p> </body> </html>"
let str = string.stringByReplacingOccurrencesOfString("<[^>]+>", withString: "", options: .RegularExpressionSearch, range: nil)
print(str)
//output " My First Heading My first paragraph. "
你能举个问题的例子吗？
Swift 4和5版本：
var string = "<!DOCTYPE html> <html> <body> <h1>My First Heading</h1> <p>My first paragraph.</p> </body> </html>"
let str = string.replacingOccurrences(of: "<[^>]+>", with: "", options: .regularExpression, range: nil)
- Steve Rosenberg
10
1您IP地址为143.198.54.68，由于运营成本限制，当前对于免费用户的使用频率限制为每个IP每72小时10次对话，如需解除限制，请点击左下角设置图标按钮（手机用户先点击左上角菜单按钮）。 - The Paramagnetic Croissant
1例如，尝试这段HTML代码：
<p foo=">现在怎么办？">段落</p> - The Paramagnetic Croissant33在 Swift 3 中，
string.replacingOccurrences(of: "<[^>]+>", with: "", options: String.CompareOptions.regularExpression, range: nil)的意思是使用正则表达式替换字符串中匹配"<[^>]+>"模式的所有内容为空，并返回新的字符串。 - Husam@Husam谢谢你提供的Swift3版本，但是在TextView中我得到了类似于
<p>等的内容。你知道为什么吗？ - Konstantinos Natsios5在 Swift 4 中，string.replacingOccurrences(of: "<[^>]+>", with: "", options: .regularExpression, range: nil) 的作用是替换字符串中所有符合正则表达式"<[^>]+>"的子串为空字符串。 - Maurice Raguse
显示剩余5条评论
38
由于HTML不是一种正则语言（HTML是一种上下文无关的语言），因此您不能使用正则表达式。请参见：为什么不能使用正则表达式解析HTML？
我建议考虑使用NSAttributedString。
let htmlString = "LCD Soundsystem was the musical project of producer <a href='http://www.last.fm/music/James+Murphy' class='bbcode_artist'>James Murphy</a>, co-founder of <a href='http://www.last.fm/tag/dance-punk' class='bbcode_tag' rel='tag'>dance-punk</a> label <a href='http://www.last.fm/label/DFA' class='bbcode_label'>DFA</a> Records. Formed in 2001 in New York City, New York, United States, the music of LCD Soundsystem can also be described as a mix of <a href='http://www.last.fm/tag/alternative%20dance' class='bbcode_tag' rel='tag'>alternative dance</a> and <a href='http://www.last.fm/tag/post%20punk' class='bbcode_tag' rel='tag'>post punk</a>, along with elements of <a href='http://www.last.fm/tag/disco' class='bbcode_tag' rel='tag'>disco</a> and other styles. <br />"
let htmlStringData = htmlString.dataUsingEncoding(NSUTF8StringEncoding)!
let options: [String: AnyObject] = [NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType, NSCharacterEncodingDocumentAttribute: NSUTF8StringEncoding]
let attributedHTMLString = try! NSAttributedString(data: htmlStringData, options: options, documentAttributes: nil)
let string = attributedHTMLString.string
或者，像评论中的Irshad Mohamed一样：
let attributed = try NSAttributedString(data: htmlString.data(using: .unicode)!, options: [NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType], documentAttributes: nil)
print(attributed.string)
- Joony
8
7这似乎是最干净的方法，并且效果非常好！最好让经过实战考验的Foundation框架为你处理这个问题，而不是自己编写不可靠的解析器。 - Shyam Bhat
4清洁！
let attributed = try NSAttributedString(data: htmlString.data(using: .unicode)!, options: [NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType], documentAttributes: nil) print(attributed.string) 大多数人更喜欢选择简单易懂的答案。 - Irshad Mohamed1谢谢您提供的解决方案！在我们删除HTML标签的同时，是否有可能保留空格和换行符？目前，新字符串中所有换行符都被忽略了。 - A_G
10只是一个警告，使用这个东西：HTML 样式转换（属性赋值）很慢！。一位在 WWDC 的 CoreText 工程师告诉我，这已经不再维护了，并且他已经完全忘记了它。 - Allison
1关于之前的警告，我想提醒一下：在我们因为某个方法“太慢”而放弃它之前，让我们先看看一些数据。有很多C库是你经常使用的（通常是不自觉的），它们不需要太多的维护。这并不一定是坏事。 - Joony
显示剩余3条评论
28
在Swift 4中，Mohamed的解决方案是将其作为字符串扩展。
extension String {
func stripOutHtml() -> String? {
do {
guard let data = self.data(using: .unicode) else {
return nil
}
let attributed = try NSAttributedString(data: data, options: [.documentType: NSAttributedString.DocumentType.html, .characterEncoding: String.Encoding.utf8.rawValue], documentAttributes: nil)
return attributed.string
} catch {
return nil
}
}
}
- Andrew
12
我正在使用以下扩展来删除特定的HTML元素：
extension String {
func deleteHTMLTag(tag:String) -> String {
return self.stringByReplacingOccurrencesOfString("(?i)</?\(tag)\\b[^<]*>", withString: "", options: .RegularExpressionSearch, range: nil)
}
func deleteHTMLTags(tags:[String]) -> String {
var mutableString = self
for tag in tags {
mutableString = mutableString.deleteHTMLTag(tag)
}
return mutableString
}
}
这使得从字符串中仅删除<a>标签成为可能，例如：
let string = "my html <a href="">link text</a>"
let withoutHTMLString = string.deleteHTMLTag("a") // Will be "my html link text"
- Antoine
1
@Mr Lister，有没有办法删除所有 HTML 标签并保留 <a href="">链接文本</a>？ - Mazen Kasser
6
extension String{
var htmlStripped : String{
return self.replacingOccurrences(of: "<[^>]+>", with: "", options: .regularExpression, range: nil)
}
}
愉快编码
- Benny Davidovitz
5
我更喜欢使用正则表达式而不是使用NSAttributedString HTML转换，需要注意的是这种方法非常耗时且需要在主线程上运行。 更多信息请查看此处：https://developer.apple.com/documentation/foundation/nsattributedstring/1524613-initwithdata
对我来说，这个方式很有效，首先我删除任何CSS内联样式，然后再删除所有HTML标签。这种方法可能不如NSAttributedString选项可靠，但对我来说速度要快得多。
extension String {
func withoutHtmlTags() -> String {
let str = self.replacingOccurrences(of: "<style>[^>]+</style>", with: "", options: .regularExpression, range: nil)
return str.replacingOccurrences(of: "<[^>]+>", with: "", options: .regularExpression, range: nil)
}
}
- Pau Ballada
3
Swift 5：
extension String {
public func trimHTMLTags() -> String? {
guard let htmlStringData = self.data(using: String.Encoding.utf8) else {
return nil
}
let options: [NSAttributedString.DocumentReadingOptionKey : Any] = [
.documentType: NSAttributedString.DocumentType.html,
.characterEncoding: String.Encoding.utf8.rawValue
]
let attributedString = try? NSAttributedString(data: htmlStringData, options: options, documentAttributes: nil)
return attributedString?.string
}
}
用途：
let str = "my html <a href='https://www.google.com'>link text</a>"
print(str.trimHTMLTags() ?? "--") //"my html link text"
- Viktor
2
请翻译以下与编程有关的内容，从英文到中文。仅返回翻译文本：来源：https://gist.github.com/hashaam/31f51d4044a03473c18a168f4999f063#gistcomment-3137487 - Viktor
这也会删除换行符，但并不是完美的答案。 - Fadi Abuzant
2
Swift 4：
extension String {
func deleteHTMLTag(tag:String) -> String {
return self.replacingOccurrences(of: "(?i)</?\(tag)\\b[^<]*>", with: "", options: .regularExpression, range: nil)
}
func deleteHTMLTags(tags:[String]) -> String {
var mutableString = self
for tag in tags {
mutableString = mutableString.deleteHTMLTag(tag: tag)
}
return mutableString
}
}
- Logic
2
2func deleteHTMLTag() -> String {
return self.replacingOccurrences(of: "(?i)</?\b[^<]*>", with: "", options: .regularExpression, range: nil)
} - Anil Kumar
这个正则表达式对我来说无法去除HTML代码。例如字符串：“<b>猫喜欢</b>做某事”。没有深入研究为什么它不起作用。但是text.replacingOccurrences（of：“<[^>]+>”，....）适用于我的简单情况。 - Benjamin Piette
2
更新至Swift 4版本：
最初的回答guard let htmlStringData = htmlString.data(using: .unicode) else { fatalError() }
let options: [NSAttributedString.DocumentReadingOptionKey: Any] = [
.documentType: NSAttributedString.DocumentType.html
.characterEncoding: String.Encoding.unicode.rawValue
]
let attributedHTMLString = try! NSAttributedString(data: htmlStringData, options: options, documentAttributes: nil)
let string = attributedHTMLString.string
- Lee Irvine
1
你在 .documentType 后面缺少了一个逗号：param。 - cwgso
1
使用XMLEvent-Based Processing和XMLParser，可在所有平台上使用Foundation，取得了一定的成功。
优点
- 与使用正则表达式相比，此解决方案更具争议性。
- 更安全，因为一些人已经提到，
HTML不是一种常规语言。 - 线程安全（无需在主线程上运行）。
缺点
HTML虽然与XML非常相似，但它们并不相同。在尝试将其解析为XML之前，您可能需要清理您的HTML。- 例如：
<br>和<hr>会导致解析失败，但<br />和<hr />将被解析为\n。 - 这是一个基于委托的API，强制您遵守
NSObject协议和基于事件的处理。 XMLParser已经很长时间没有更新了，因此缺乏我们想要的许多新的Swift功能。- XMLDocument是一个更加现代和灵活的API，也提供了
Foundation，但它仅在macOS上可用。
针对我的使用情况，我创建了一个类，使我能够使用async/await和异步处理。
请随意调整以适应您自己的用例，也许可以改进原始HTML字符串的清理过程。
解决方案
import Foundation
final class Parser: NSObject, XMLParserDelegate {
private(set) var result = ""
private var finished: (() -> Void)?
private var fail: ((Error) -> Void)?
private var content = ""
init(html: String) async throws {
super.init()
result = try await withUnsafeThrowingContinuation { [weak self] continuation in
// tweak here as needed
let clean = html
.replacingOccurrences(of: "<!DOCTYPE html>",
with: "",
options: .caseInsensitive)
.replacingOccurrences(of: "<br>",
with: "\n",
options: .caseInsensitive)
.replacingOccurrences(of: "<hr>",
with: "\n",
options: .caseInsensitive)
let xml = XMLParser(data: .init(("<xml>" + clean + "</xml>").utf8))
self?.finished = { [weak self] in
xml.delegate = nil
self?.fail = nil
self?.finished = nil
guard let content = self?.content else { return }
continuation
.resume(returning: content
.trimmingCharacters(in:
.whitespacesAndNewlines))
}
self?.fail = { [weak self] in
xml.delegate = nil
self?.fail = nil
self?.finished = nil
xml.abortParsing()
continuation
.resume(throwing: $0)
}
xml.delegate = self
if !xml.parse(),
let error = xml.parserError {
self?.fail?(error)
}
}
}
func parserDidEndDocument(_: XMLParser) {
finished?()
}
func parser(_: XMLParser, parseErrorOccurred: Error) {
fail?(parseErrorOccurred)
}
func parser(_: XMLParser, validationErrorOccurred: Error) {
fail?(validationErrorOccurred)
}
func parser(_: XMLParser, foundCharacters: String) {
content += foundCharacters
}
}
使用方法和示例
利用此帖子中已经给出的一些示例
let string = "<!DOCTYPE html> <html> <body> <h1>My First Heading</h1> <p>My first paragraph.</p> </body> </html>"
let result = try await Parser(html: string).result
// My First Heading My first paragraph.
let string = "LCD Soundsystem was the musical project of producer <a href='http://www.last.fm/music/James+Murphy' class='bbcode_artist'>James Murphy</a>, co-founder of <a href='http://www.last.fm/tag/dance-punk' class='bbcode_tag' rel='tag'>dance-punk</a> label <a href='http://www.last.fm/label/DFA' class='bbcode_label'>DFA</a> Records. Formed in 2001 in New York City, New York, United States, the music of LCD Soundsystem can also be described as a mix of <a href='http://www.last.fm/tag/alternative%20dance' class='bbcode_tag' rel='tag'>alternative dance</a> and <a href='http://www.last.fm/tag/post%20punk' class='bbcode_tag' rel='tag'>post punk</a>, along with elements of <a href='http://www.last.fm/tag/disco' class='bbcode_tag' rel='tag'>disco</a> and other styles. <br />"
let result = try await Parser(html: string).result
// LCD Soundsystem was the musical project of producer James Murphy, co-founder of dance-punk label DFA Records. Formed in 2001 in New York City, New York, United States, the music of LCD Soundsystem can also be described as a mix of alternative dance and post punk, along with elements of disco and other styles.
let string = "my html <a href=\"\">link text</a>"
let result = try await Parser(html: string).result
// my html link text
- vicegax
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接