Je fais l'application d'analyse de courrier qui a exigé pour convertir le fichier HTML en texte brut. concernant ce que j'ai trouvé quelques scripts qui fait la conversion. Je veux faire la même chose en C++.Convertir du HTML en texte brut en utilisant C++
Alors s'il vous plaît me suggérer des bibliothèques C++ multi-plateforme et open source pour convertir du HTML en texte brut.
Merci à l'avance Cordialement SubBi
Essayez d'utiliser l'expression régulière extraire les balises HTML et enregistrer le résultat sous forme de texte du fichier. Mais ce n'est pas simple. Utilisez cette classe d'aide DEELX - Regular Expression Engine.
Merci pour le lien vers DEELX. Je n'aime pas toujours avoir à faire face à inclure boost. – mfperzel
Jetez un coup d'œil à html2text. C'est un outil de commande et pas une pure lib, mais contient du code qui dépouille et convertit html. Donc, vous devriez être capable de l'utiliser.
Comme « évident » que cela puisse paraître, vous pouvez simplement garder tout le texte entre > & <
Je pense que vous avez mal interprété ma question. mon désir est de convertir HTML en texte. –
@subbi: les balises HTML sont entourées entre < & > donc en les effaçant vous donnera le texte: tout entre> & <. Bien sûr, je simplifie à l'extrême, vous aurez besoin de prendre soin de quelques étiquettes spéciales (c'est-à-dire
Je posterai C++ version pour Windows which originally came from @Ben Anderson's C# solution. Notez que le code n'est pas encore assez robuste. Toutes les nouvelles lignes de début et de fin seraient également coupées.
// The trimming method comes from https://stackoverflow.com/a/1798170/1613961
wstring trim(const std::wstring& str, std::wstring& newline = L"\r\n")
{
const auto strBegin = str.find_first_not_of(newline);
if (strBegin == std::string::npos)
return L""; // no content
const auto strEnd = str.find_last_not_of(newline);
const auto strRange = strEnd - strBegin + 1;
return str.substr(strBegin, strRange);
}
wstring HtmlToText(wstring htmlTxt) {
std::wregex stripFormatting(L"<[^>]*(>|$)"); //match any character between '<' and '>', even when end tag is missing
wstring s1 = std::regex_replace(htmlTxt, stripFormatting, L"");
wstring s2 = trim(s1);
wstring s3 = std::regex_replace(s2, std::wregex(L"\\ "), L" ");
return s3;
}
Que voulez-vous dire par "convertir"? Html EST texte clair! Voulez-vous supprimer les balises html? – neverlord
oui .Je veux enlever les balises HTML –