html - 使用 Objective-C 将 HTML 文本转换为纯文本

Question

我有一个很大的 NSString，里面有 HTML 文本。此字符串的长度超过 3.500.000 个字符。我如何将此 HTML 文本转换为 NSString，其中包含纯文本。我正在使用 scanner ，但它工作得太慢了。有什么想法吗？

Answer 1

这取决于您的目标 iOS 版本。自 iOS7 以来，有一个内置方法不仅可以去除 HTML 标签，还可以将格式设置为字符串:

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)
}

您甚至可以像这样创建一个扩展:

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
        }
    }
}

请注意，此示例代码使用 UTF8 编码。您甚至可以创建一个函数而不是计算属性，并将编码添加为参数。

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];

如果您只需要删除 < 之间的所有内容和 > (肮脏的方式!!!)，如果字符串中有这些字符，这可能会有问题，请使用:

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