Hướng dẫn how to convert html to java - làm thế nào để chuyển đổi html sang java

// Load the source HTML file
Converter converter = new Converter["sample.html"];
// Set the convert options for PDF format
PdfConvertOptions options = new PdfConvertOptions[];
// Convert to PDF format
converter.convert["converted.pdf", options];

// Load the source PDF file
Converter converter = new Converter["sample.pdf"];
// Set the convert options for HTML format
MarkupConvertOptions options = new MarkupConvertOptions[];
// Convert to HTML format
converter.convert["converted.html", options];

// Load the source PDF file
Converter converter = new Converter["sample.pdf"];
// Set the convert options for HTML format
MarkupConvertOptions options = new MarkupConvertOptions[];
// Convert to HTML format
converter.convert["converted.html", options];

38

Mới! Lưu câu hỏi hoặc câu trả lời và sắp xếp nội dung yêu thích của bạn. Tìm hiểu thêm.
Learn more.

Tôi phải phân tích mô tả từ URL, trong đó nội dung được phân tích cú pháp có vài thẻ HTML, vì vậy làm thế nào tôi có thể chuyển đổi nó thành văn bản đơn giản.

Majid

13.4K15 Huy hiệu vàng76 Huy hiệu bạc110 Huy hiệu đồng15 gold badges76 silver badges110 bronze badges

Hỏi ngày 31 tháng 8 năm 2010 lúc 10:03Aug 31, 2010 at 10:03

5

Có, JSOUP sẽ là lựa chọn tốt hơn. Chỉ cần làm như bên dưới để chuyển đổi toàn bộ văn bản HTML thành văn bản đơn giản.

String plainText= Jsoup.parse[yout_html_text].text[];

Đã trả lời ngày 15 tháng 3 năm 2019 lúc 9:01Mar 15, 2019 at 9:01

RanjitranjitRanjit

5.0703 Huy hiệu vàng30 Huy hiệu bạc64 Huy hiệu Đồng3 gold badges30 silver badges64 bronze badges

2

Chỉ cần loại bỏ thẻ HTML rất đơn giản:

// replace all occurrences of one or more HTML tags with optional
// whitespace inbetween with a single space character 
String strippedText = htmlText.replaceAll["[?s]]*>[\\s*]*>]*", " "];

Nhưng thật không may, các yêu cầu không bao giờ đơn giản như vậy:

Thông thường, các yếu tố

// Load the source PDF file
Converter converter = new Converter["sample.pdf"];
// Set the convert options for HTML format
MarkupConvertOptions options = new MarkupConvertOptions[];
// Convert to HTML format
converter.convert["converted.html", options];

// Load the source PDF file
Converter converter = new Converter["sample.pdf"];
// Set the convert options for HTML format
MarkupConvertOptions options = new MarkupConvertOptions[];
// Convert to HTML format
converter.convert["converted.html", options];

// Load the source PDF file
Converter converter = new Converter["sample.pdf"];
// Set the convert options for HTML format
MarkupConvertOptions options = new MarkupConvertOptions[];
// Convert to HTML format
converter.convert["converted.html", options];

Đã trả lời ngày 31 tháng 8 năm 2010 lúc 10:58Aug 31, 2010 at 10:58

2

Bạn có thể sử dụng dòng đơn này để xóa các thẻ HTML và hiển thị nó dưới dạng văn bản thuần túy.

htmlString=htmlString.replaceAll["\\", ""];

demongolem

9.25836 Huy hiệu vàng87 Huy hiệu bạc104 Huy hiệu đồng36 gold badges87 silver badges104 bronze badges

Đã trả lời ngày 3 tháng 9 năm 2010 lúc 10:16Sep 3, 2010 at 10:16

KandhakandhaKandha

3.62912 Huy hiệu vàng34 Huy hiệu bạc49 Huy hiệu đồng12 gold badges34 silver badges49 bronze badges

Sử dụng JSOUP.

Thêm sự phụ thuộc

  
  org.jsoup
  jsoup
  1.13.1

Bây giờ trong mã Java của bạn:

public static String html2text[String html] {
        return Jsoup.parse[html].wholeText[];
    }

Chỉ cần gọi phương thức html2text với việc truyền văn bản HTML và nó sẽ trả về văn bản thuần túy.

Đã trả lời ngày 5 tháng 1 năm 2021 lúc 5:45Jan 5, 2021 at 5:45

XXXXXXxxx

Huy hiệu đồng 1931 Bạc6 Huy hiệu Đồng1 silver badge6 bronze badges

Tôi khuyên bạn nên phân tích HTML thô thông qua JTIDY, điều này sẽ cung cấp cho bạn đầu ra mà bạn có thể viết các biểu thức XPath chống lại. Đây là cách mạnh mẽ nhất mà tôi đã tìm thấy về việc cạo HTML.

Đã trả lời ngày 31 tháng 8 năm 2010 lúc 10:07Aug 31, 2010 at 10:07

Jon Freedmanjon FreedmanJon Freedman

9.3694 Huy hiệu vàng42 Huy hiệu bạc56 Huy hiệu Đồng4 gold badges42 silver badges56 bronze badges

Nếu bạn muốn phân tích cú pháp như hiển thị trình duyệt, hãy sử dụng:

import net.htmlparser.jericho.*;
import java.util.*;
import java.io.*;
import java.net.*;

public class RenderToText {
    public static void main[String[] args] throws Exception {
        String sourceUrlString="data/test.html";
        if [args.length==0]
          System.err.println["Using default argument of \""+sourceUrlString+'"'];
        else
            sourceUrlString=args[0];
        if [sourceUrlString.indexOf[':']==-1] sourceUrlString="file:"+sourceUrlString;
        Source source=new Source[new URL[sourceUrlString]];
        String renderedText=source.getRenderer[].toString[];
        System.out.println["\nSimple rendering of the HTML document:\n"];
        System.out.println[renderedText];
  }
}

Tôi hy vọng điều này sẽ giúp phân tích bảng theo định dạng trình duyệt.

Cảm ơn, Ganesh

MTB

1.31815 huy hiệu bạc31 huy hiệu đồng15 silver badges31 bronze badges

Đã trả lời ngày 14 tháng 11 năm 2016 lúc 12:34Nov 14, 2016 at 12:34

1

Tôi cần một biểu diễn văn bản đơn giản của một số HTML bao gồm các thẻ Freemarker. Vấn đề đã được trao cho tôi một giải pháp JSOUP, nhưng Jsoup đã thoát khỏi các thẻ freemarker, do đó phá vỡ chức năng. Tôi cũng đã thử HTMLCleaner [SourceForge], nhưng điều đó đã để lại tiêu đề HTML và nội dung kiểu [thẻ bị xóa]. //stackoverflow.com/questions/1518675/open-source-java-library-for-html-to-text-conversion/1519726#1519726

Mã của tôi:

return new net.htmlparser.jericho.Source[html].getRenderer[].setMaxLineLength[Integer.MAX_VALUE].setNewLine[null].toString[];

// Load the source PDF file
Converter converter = new Converter["sample.pdf"];
// Set the convert options for HTML format
MarkupConvertOptions options = new MarkupConvertOptions[];
// Convert to HTML format
converter.convert["converted.html", options];

// Load the source PDF file
Converter converter = new Converter["sample.pdf"];
// Set the convert options for HTML format
MarkupConvertOptions options = new MarkupConvertOptions[];
// Convert to HTML format
converter.convert["converted.html", options];

Stephen Rauch ♦♦

45,9k30 huy hiệu vàng106 Huy hiệu bạc126 Huy hiệu đồng30 gold badges106 silver badges126 bronze badges

Đã trả lời ngày 4 tháng 10 năm 2018 lúc 1:04Oct 4, 2018 at 1:04

Tôi sử dụng

// Load the source PDF file
Converter converter = new Converter["sample.pdf"];
// Set the convert options for HTML format
MarkupConvertOptions options = new MarkupConvertOptions[];
// Convert to HTML format
converter.convert["converted.html", options];

    org.clapper
    javautil
    3.2.0

Đã trả lời ngày 20 tháng 5 năm 2020 lúc 10:04May 20, 2020 at 10:04

Sử dụng JSOUP, tôi có tất cả các văn bản trong cùng một dòng.

Vì vậy, tôi đã sử dụng khối mã sau để phân tích HTML và giữ các dòng mới:

// Load the source PDF file
Converter converter = new Converter["sample.pdf"];
// Set the convert options for HTML format
MarkupConvertOptions options = new MarkupConvertOptions[];
// Convert to HTML format
converter.convert["converted.html", options];

Không phải là giải pháp tốt nhất nhưng đã giải quyết vấn đề của tôi :]

Đã trả lời ngày 12 tháng 1 năm 2021 lúc 21:25Jan 12, 2021 at 21:25

Java có thể đọc tệp HTML không?

Làm thế nào để bạn xử lý HTML trong Java?

Làm cách nào để chuyển đổi HTML thành mã?

Làm cách nào để thêm mã HTML vào tệp Java?