从字符串中剥离HTML标记

95

如何从字符串中删除HTML标签，以便可以输出纯文本？

let str = string.stringByReplacingOccurrencesOfString("<[^>]+>", withString: "", options: .RegularExpressionSearch, range: nil)
print(str)

html ios swift

— 发光二极管
source

只需使用HTML解析器。

— 顺磁牛角包

1

导致这个问题具有很大的价值，但按原样，由于您没有提出明确的问题，它很可能会被关闭：这是不可复制的方案。我建议您根据“ 如何提问”来改写您的问题。我不想删除该问题。

— Tunaki

3

大声笑stackoverflow ...如何关闭作为“主题”？这是“ Swift remove html tags”的＃1 Google搜索结果。

— canhazbits 2016年

2

@canhazbits我知道是对的！单击重新打开以提名它以再次重新打开。

— 带领

1

Swift 3：string.replacingOccurrences（of：“ <[^>] +>”，带有：“”，选项：.regularExpression，范围：nil）

— etayluz

147

嗯，我尝试了您的功能，并在一个小例子上工作了：

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. "

你能举一个例子吗？

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)

— 史蒂夫·罗森伯格
source

25

— 史蒂夫·罗森伯格

这并不总是有效：HTML不是常规语言，因此正则表达式无法解析HTML。

— 顺磁牛角包

1

例如，尝试这段HTML：<p foo=">now what?">Paragraph</p>

— 顺磁牛角包

32

在Swift 3

string.replacingOccurrences(of: "<[^>]+>",                                     with: "",                                     options: String.CompareOptions.regularExpression,                                     range: nil)

— Husam

5

在Swift 4 string.replacingOccurrences（of：“ <[^>] +>”，with：“”，options：.regularExpression，range：nil）

— Raegtime

29

由于HTML不是常规语言（HTML是无上下文语言），因此您不能使用正则表达式。请参阅：使用正则表达式解析HTML：为什么不呢？

我会考虑改为使用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，正如艾尔沙德·穆罕默德（Irshad Mohamed）在评论中所做的那样：

let attributed = try NSAttributedString(data: htmlString.data(using: .unicode)!, options: [NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType], documentAttributes: nil)
print(attributed.string)

— 乔尼
source

7

这似乎是最干净的方法，并且效果很好！最好让经过考验的Foundation框架为您处理这个问题，而不是自己编写易碎的解析器。

— Shyam Bhat

4

清洁！！

let attributed = try NSAttributedString(data: htmlString.data(using: .unicode)!, options: [NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType], documentAttributes: nil)                             print(attributed.string)

大多数人喜欢选择较小且易于理解的答案。

— 艾尔沙德·穆罕默德

1

感谢您的解决方案！在删除html标签时是否可以保存空格和换行符？当前，新字符串中不考虑所有换行符。

— Astha Gupta

7

只是使用此警告：HTML样式转换（归因）缓慢！。WWDC的一名CoreText工程师告诉我，此内容不再维护，他完全忘记了。

— 塞伦斯

1

只是关于前一个警告的警告：让我们先看一些数据，然后再丢弃太慢的方法。您使用了大量的C库（通常没有意识到），它们不需要太多维护。那不一定是坏事。

— 乔尼

10

Mohamed解决方案，但作为Swift 4中的String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
        }
    }
}

— 安德鲁
source

8

我正在使用以下扩展程序来删除特定的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
    }
}

这样就可以仅从<a>字符串中删除标签，例如：

let string = "my html <a href="">link text</a>"
let withoutHTMLString = string.deleteHTMLTag("a") // Will be "my  html link text"

— 安托万
source

@Mr Lister是否可以删除所有html标签并保留此<a href="">链接文本</a>？

— Mazen Kasser

6

extension String{
    var htmlStripped : String{
        return self.replacingOccurrences(of: "<[^>]+>", with: "", options: .regularExpression, range: nil)
    }
}

快乐编码

— 本尼·戴维多维兹（Benny Davidovitz）
source

3

迅捷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
    }
}

— 逻辑
source

2

或者您可以这样使用：func deleteHTMLTag（）->字符串{return self.replacingOccurrences（of：“（？i）</？\\ b [^ <] *>”，带有：“”，选项：.regularExpression ，范围：无）}

— 阿尼尔·库马尔

此正则表达式不会为我删除html代码。示例字符串：“ <b>喜欢</ b>的猫在做某事”。没有进行更多的调查，原因是它不起作用。但是text.replacingOccurrences（of：“ <[^>] +>”，....）适用于我的简单情况。

— 本杰明·皮耶特

2

为Swift 4更新：

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

— 李·欧文
source

您在.documentType之后缺少“，”：param

— cwgso

0

与使用NSAttributedString HTML转换相比，我更喜欢使用正则表达式，建议这样做非常耗时，并且也需要在主线程上运行。此处的更多信息：https : //developer.apple.com/documentation/foundation/nsattributedstring/1524613-initwithdata

对我来说，这就是窍门，首先我删除所有CSS内联样式，然后删除所有HTML标记。可能不像NSAttributedString选项那样可靠，但是对于我的情况来说要快得多。

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)
    }
}

— 佩佩格
source