La conversion de texte HTML en texte brut en Objective-C

J'ai d'énormes NSString avec du texte HTML à l'intérieur. La longueur de cette chaîne est de plus de 3.500.000 caractères. Comment puis-je convertir ce texte HTML à NSString avec texte en clair à l'intérieur. J'ai été en utilisant un scanner , mais il fonctionne trop lentement. Une idée ?

double possible de Supprimer les Balises HTML à partir d'un NSString sur l'iPhone

InformationsquelleAutor Igor Prusyazhnyuk | 2013-10-07

Qu'elle dépend de la version d'iOS que vous ciblez. Depuis iOS7 il y a une méthode intégrée qui ne sera pas seulement d'enlever les balises HTML, mais aussi de mettre la mise en forme de la chaîne:

Xcode 9/Swift 4

if let htmlStringData = htmlString.data(using: .utf8), let attributedString = try? NSAttributedString(data: htmlStringData, options: [.documentType : NSAttributedString.DocumentType.html], documentAttributes: nil) {
    print(attributedString)
}

Vous pouvez même créer une extension comme ceci:

extension String {
    var htmlToAttributedString: NSAttributedString? {
        guard let data = self.data(using: .utf8) else {
            return nil
        }

        do {
            return try NSAttributedString(data: data, options: [.documentType : NSAttributedString.DocumentType.html, .characterEncoding: String.Encoding.utf8.rawValue], documentAttributes: nil)
        } catch {
            print("Cannot convert html string to attributed string: \(error)")
            return nil
        }
    }
}

Notez que cet exemple de code utilise l'encodage UTF8. Vous pouvez même créer une fonction à la place de la propriété et ajouter de l'encodage d'un paramètre.

Swift 3

let attributedString = try NSAttributedString(data: htmlString.dataUsingEncoding(NSUTF8StringEncoding)!,
                                              options: [NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType],
                                              documentAttributes: nil)

Objective-C

[[NSAttributedString alloc] initWithData:[htmlString dataUsingEncoding:NSUTF8StringEncoding] options:@{NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType, NSCharacterEncodingDocumentAttribute: [NSNumber numberWithInt:NSUTF8StringEncoding]} documentAttributes:nil error:nil];

Si vous avez juste besoin d'enlever tout ce qui est entre < et > (sale!!!), ce qui pourrait être problématique si vous avez un de ces caractères dans la chaîne, utilisez ceci:

- (NSString *)stringByStrippingHTML {
   NSRange r;
   NSString *s = [[self copy] autorelease];
   while ((r = [s rangeOfString:@"<[^>]+>" options:NSRegularExpressionSearch]).location != NSNotFound)
     s = [s stringByReplacingCharactersInRange:r withString:@""];
   return s;
}

Je suis Sortie de la mémoire d'exception sur le simulateur =(
+1 Pour se glisser dans "one liner" (:
Comment puis-je remplacer les entités HTML &amp avec leur texte brut équivalent. c'est à dire &
cochez cette réponse: stackoverflow.com/questions/1105169/...
Réponse parfaite pour moi. +1 pour vous.
Gardez à l'esprit que l'utilisation de NSHTMLTextDocumentType a besoin pour s'exécuter de façon synchrone sur le thread principal qui est de les enfermer.

InformationsquelleAutor o15a3d4l11s2

- Je régler ma question avec scanner, mais je l'utilise pas pour tout le texte. Je l'utilise pour tous les 10.000 partie du texte, avant que je concaténer toutes les pièces ensemble. Mon code ci-dessous

-(NSString *)convertHTML:(NSString *)html {

    NSScanner *myScanner;
    NSString *text = nil;
    myScanner = [NSScanner scannerWithString:html];

    while ([myScanner isAtEnd] == NO) {

        [myScanner scanUpToString:@"<" intoString:NULL] ;

        [myScanner scanUpToString:@">" intoString:&text] ;

        html = [html stringByReplacingOccurrencesOfString:[NSString stringWithFormat:@"%@>", text] withString:@""];
    }
    //
    html = [html stringByTrimmingCharactersInSet:[NSCharacterSet whitespaceAndNewlineCharacterSet]];

    return html;
}

Swift 4:

var htmlToString(html:String) -> String {
        var htmlStr =html;
        let scanner:Scanner = Scanner(string: htmlStr);
        var text:NSString? = nil;
        while scanner.isAtEnd == false {
            scanner.scanUpTo("<", into: nil);
            scanner.scanUpTo(">", into: &text);
            htmlStr = htmlStr.replacingOccurrences(of: "\(text ?? "")>", with: "");
        }
        htmlStr = htmlStr.trimmingCharacters(in: CharacterSet.whitespacesAndNewlines);
        return htmlStr;
}

Préfet réponse.. merci beaucoup..
ajouter un @autoreleasepool dans la boucle while pour la préservation de la mémoire
Remarque: cela permettra également de remplacer quoi que ce soit entre des balises, donc si vous avez une adresse e-mail comme "Quelque Nom <[email protected]>" ça va foirer <[email protected]>. Ce n'est probablement pas ce que vous voulez. Il doit éventuellement regarder sur une carte de la connus des balises HTML.

InformationsquelleAutor Igor Prusyazhnyuk

Objective C

+ (NSString*)textToHtml:(NSString*)htmlString
{
    htmlString = [htmlString stringByReplacingOccurrencesOfString:@"&quot;" withString:@"\""];
    htmlString = [htmlString stringByReplacingOccurrencesOfString:@"&apos;" withString:@"'"];
    htmlString = [htmlString stringByReplacingOccurrencesOfString:@"&amp;" withString:@"&"];
    htmlString = [htmlString stringByReplacingOccurrencesOfString:@"&lt;" withString:@"<"];
    htmlString = [htmlString stringByReplacingOccurrencesOfString:@"&gt;" withString:@">"];
    return htmlString;
}

Espérons que cette aide!

Et pourquoi ne pas htmlToText ?

InformationsquelleAutor Dharmesh Mansata

Pour Swift Langue ,

NSAttributedString(data:(htmlString as! String).dataUsingEncoding(NSUTF8StringEncoding, allowLossyConversion: true
            )!, options:[NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType, NSCharacterEncodingDocumentAttribute: NSNumber(unsignedLong: NSUTF8StringEncoding)], documentAttributes: nil, error: nil)!

InformationsquelleAutor Rabindra Nath Nandi

- (NSString *)stringByStrippingHTML:(NSString *)inputString
{
    NSMutableString *outString;

    if (inputString)
    {
        outString = [[NSMutableString alloc] initWithString:inputString];

        if ([inputString length] > 0)
        {
            NSRange r;

            while ((r = [outString rangeOfString:@"<[^>]+>|&nbsp;" options:NSRegularExpressionSearch]).location != NSNotFound)
            {
                [outString deleteCharactersInRange:r];
            }      
        }
    }

    return outString; 
}

InformationsquelleAutor Ahmed Abdallah

0

Avez-vous essayé quelque chose comme ça ci-dessous, vous ne savez Pas si elle va plus vite comme vous l'avez fait avant d'utiliser le scanner, veuillez vérifier:-
```
//String which contains html tags
    NSString *htmlString=[NSString stringWithFormat:@"%@",@"<b>right</b> onto <b>Kennington Park Rd/A3</b>Continue to follow A3</div><div >Entering toll zone in 1.7&nbsp;km at Newington Causeway/A3</div><divGo through 2 roundabouts</div>"];


    NSMutableString *mutStr=[NSMutableString string];
    NSString *s = nil;
//Removing html elements tags
    NSArray *arra=[htmlString componentsSeparatedByCharactersInSet:[NSCharacterSet characterSetWithCharactersInString:@"</>"]];
    NSLog(@"%@",arra);
    for (s in arra)
    {
        [mutStr appendString:@" "];
        [mutStr appendString:s];
    }
            NSLog(@"%@",mutStr);//Printing the output
```
- Ainsi, cette méthode fonctionne très rapide, mais le résultat est terrible. Ce que je reçois est "div id="fn-entrée-94" a href="chapitre-236.xml#fn-94" [94] un p "Oh, Maman, ne faites pas de bêtises! Vous ne comprenez pas quelque chose. Dans ma position, j'ai des obligations." p div div id="fn-entrée-95" a href="chapitre-236.xml#fn-95" [95] un p "Non, dis-lui que je ne souhaite pas le voir, je suis furieux contre lui pour ne pas tenir sa parole, à moi." p div div id="fn-entrée-96" "
- À compter de maintenant, qu'est-ce que vos commentaires et ce que vous obtenez la sortie? Parce que je ne vous avez entrée pour tester
- Je veux dire, comment vous avez voulu la sortie
- je voulais analyser ePub, et concaténer toutes les pages ensemble. Ensuite, j'ai été prise en ce HTL texte, avec une certaine mise en forme XML à l'intérieur. J'ai donc résoudre le problème . Chaque fois que je reçois le chapitre, je convertir ce texte à l'aide du scanner et puis concaténer à d'autres parties. À tout moment vous remercier pour la réponse. Je vais taux d'elle. Et je vais poster mon code pour les autres membres stackoverflow
- ce ne supprime que les caractères "<", "/" et ">" de la chaîne (ce qui peut être fait facilement en utilisant la replaceOccurencesOfString...) et n'est donc PAS une réponse correcte à la question.
InformationsquelleAutor Hussain Shabbir

Swift 4:

do {
   let cleanString = try NSAttributedString(data: htmlContent.data(using: String.Encoding.utf8)!,
                                                                      options: [NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType],
                                                                      documentAttributes: nil)
} catch {
    print("Something went wrong")
}

InformationsquelleAutor Josh O'Connor

0

Il peut être plus générique, en passant par le type d'encodage comme paramètre, mais à titre d'exemple que cette catégorie:
```
@implementation NSString (CSExtension)

    - (NSString *)htmlToText {
        return [NSAttributedString.alloc
                initWithData:[self dataUsingEncoding:NSUnicodeStringEncoding]
                     options:@{NSDocumentTypeDocumentOption: NSHTMLTextDocumentType}
          documentAttributes:nil error:nil].string;
    }

@end
```
- dans cette méthode où vous êtes de passage à chaîne peut être sur de soi...?
- Ah désolé, c'était de la catégorie, je pourrais être plus clair , d'éditer ...
- Mais je ne crois pas que cette réponse est correcte plus comme il y a ir exigence de html de grande taille et c'est terriblement lent. J'ai fini par utiliser DTCoreText avec quelques modifications supplémentaires pour montrer des images correctement ma solution est public sur github si.
- Cette méthode n'est pas la conversion de HTML dynamique du texte à partir d'un service.Signifie que je ne connais pas le contenu HTML est venue de service.Mais le fait de remplacer à la coutume de la méthode
- Désolé que c'était de la faute de frappe: Mais je ne crois pas que cette réponse n'est PAS correcte, plus il y a de grands html et c'est terriblement lent. J'ai fini par utiliser DTCoreText avec quelques modifications supplémentaires pour montrer des images correctement ma solution est public sur github si.
- Je ne sais pas de quoi tu parles... Si vous voulez convertir tout le html pour le texte cela fonctionne, l'inconvénient est que c'est lent donc je ne pense pas qu'il va travailler pour de grandes html, mais peut-être que oui, dépend de l'endroit où vous gona l'utiliser.
InformationsquelleAutor Renetik

Vous devez vous connecter pour publier un commentaire.