Convertir HTML en texte brut en JS sans navigateur environnement

J'ai un CouchDB voir le plan de la fonction qui génère un résumé d'un document HTML (première x caractères de texte). Malheureusement je n'ai pas d'environnement de navigateur pour convertir HTML en texte brut.

Actuellement, je utiliser ce multi-étape regexp

html.replace(/<style([\s\S]*?)<\/style>/gi, ' ')
    .replace(/<script([\s\S]*?)<\/script>/gi, ' ')
    .replace(/(<(?:.|\n)*?>)/gm, ' ')
    .replace(/\s+/gm, ' ');

alors que c'est un très bon filtre, il n'est évidemment pas parfait et quelques restes de glisser à travers, parfois. Est-il un meilleur moyen de convertir en texte brut sans un environnement de navigateur?

il peut venir vers le bas à l'aide de regex que vous avez énumérés, pour l'essentiel, de remplace et ensuite à l'aide d'une liste spécifiée remplace, tels que :actif; pour compléter le nettoyage.
stackoverflow.com/a/29706729/3338098 préserve de nouvelles lignes et de bandes de balises html

OriginalL'auteur Erik Aigner | 2013-03-02

  1. 7

    Cette expression régulière travaux:

    text.replace(/<[^>]*>/g, '');
    il y a aussi des entités de prendre soin de

    OriginalL'auteur Gael

  2. 6

    Avec TextVersionJS ( http://textversionjs.com ), vous pouvez convertir le HTML en texte brut. C'est du pur javascript (avec des tonnes de RegExps) de sorte que vous pouvez l'utiliser dans le navigateur et dans node.js ainsi.

    Dans node.js il ressemble:

    var createTextVersion = require("textversionjs");
var yourHtml = "<h1>Your HTML</h1><ul><li>goes</li><li>here.</li></ul>";

var textVersion = createTextVersion(yourHtml);

    (J'ai copié l'exemple de la page, vous aurez à ngp installer le module premier.)

    Remarque: il convertit les liens vers le balisage, il n'est donc pas tout à fait "ordinaire" du texte. Toujours utile.

    OriginalL'auteur gyula.nemeth

  3. 4

    Convertisseur de HTML en texte brut comme Gmail:

    html = html.replace(/<style([\s\S]*?)<\/style>/gi, '');
html = html.replace(/<script([\s\S]*?)<\/script>/gi, '');
html = html.replace(/<\/div>/ig, '\n');
html = html.replace(/<\/li>/ig, '\n');
html = html.replace(/<li>/ig, '  *  ');
html = html.replace(/<\/ul>/ig, '\n');
html = html.replace(/<\/p>/ig, '\n');
html = html.replace(/<br\s*[\/]?>/gi, "\n");
html = html.replace(/<[^>]+>/ig, '');

    Si vous pouvez utiliser jQuery :

    var html = jQuery('<div>').html(html).text();
    Le DOM de conversion est problématique à cause de la façon dont vous le faites. Cela va charger tous les liens dans l'extrait de code HTML, si le html n'est pas aseptisé. Cela devrait être fait par l'intermédiaire d'un fragment de document qui n'est pas rattaché au DOM.
    Également des balises comme <li> peuvent avoir des attributs...
    ne pas ajouter un \n dans TEXT1<div>TEXT2</div>, c'est à dire qu'elle renvoie TEXT1TEXT2\n
    +1 pour la bonne réponse. mais je veux aussi de remplacer plus d'un caractère de nouvelle ligne à un dans le code ci-dessus. s'il vous plaît aider
    var html = jQuery(html).text(); est plus simple.

    OriginalL'auteur EpokK

  4. 0

    Vous pouvez essayer de cette façon. textContent avec innerText aucun d'eux compatible avec tous les navigateurs:

    var temp = document.createElement("div");
temp.innerHTML = html;
return temp.textContent || temp.innerText || "";

    OriginalL'auteur Dostonbek Oripjonov

  5. -2

    C'est assez simple, vous pouvez également mettre en place un "toText" prototype: 

    String.prototype.toText = function(){
    return $(html).text();
};

//Let's test it out!
var html = "<a href=\"http://www.google.com\">link</a>&nbsp;<br /><b>TEXT</b>";
var text = html.toText();
console.log("Text: " + text); //Result will be "link TEXT"
    ne vois vraiment pas comment cette réponse est pertinente.

    OriginalL'auteur Alberto Di Cagno