Comment obtenir une page Web en texte brut sans html en utilisant javascript?

Question

J'essaie de trouver un moyen d'utiliser javascript ou jquery pour écrire une fonction qui supprime toutes les balises html d'une page et donnez-moi simplement le texte brut de cette page.

Comment cela peut-il être fait? des idées?

Answer 1

IE & WebKit

document.body.innerText 

Autres:

document.body.textContent 

(comme le suggère Amr Elgarhy) cadres

La plupart des js mettre en œuvre un moyen crossbrowser de le faire. Cela est généralement mis en œuvre un peu comme ceci:

text = document.body.textContent || document.body.innerText; 

Il semble que WebKit conserve une mise en forme avec textContent alors que des bandes tout avec innerText.

Answer 2

Utilisez htmlClean.

Answer 3

Cela dépend de la quantité de formatage que vous souhaitez conserver. Mais avec jQuery vous pouvez le faire comme ceci:

jQuery(document.body).text(); 

Answer 4

J'utiliserais:

<script language="javascript" type="text/javascript" src="http://code.jquery.com/jquery-1.4.2.js"></script> 
<script type="text/javascript"> 
    jQuery.fn.stripTags = function() { return this.replaceWith(this.html().replace(/<\/?[^>]+>/gi, '')); }; 
    jQuery('head').stripTags(); 

    $(document).ready(function() { 
     $("img").each(function() { 
      jQuery(this).remove(); 
     }); 
    }); 
</script> 

Cela ne libération des styles, mais supprime tous les ÉTIQUETTES.

Est-ce ce que vous vouliez?

[EDIT] maintenant modifié afin d'inclure le retrait des étiquettes d'image [/ EDIT]

Answer 5

Le seul problème avec textContent ou innerText est qu'ils peuvent bloquer le texte à partir des nœuds adjacents, sans espace blanc entre leur. Si cela vous intéresse, vous pouvez maudire à travers le corps ou un autre conteneur et renvoyer le texte dans un tableau, et les joindre avec des espaces ou des retours à la ligne.

document.deepText= function(hoo){ 
    var A= [], tem, tx; 
    if(hoo){ 
     hoo= hoo.firstChild; 
     while(hoo!= null){ 
      if(hoo.nodeType== 3){ 
       tx= hoo.data || ''; 
       if(/\S/.test(tx)) A[A.length]= tx; 
      } 
      else A= A.concat(document.deepText(hoo)); 
      hoo= hoo.nextSibling; 
     } 
    } 
    return A; 
} 
alert(document.deepText(document.body).join(' ')) 
// return document.deepText(document.body).join('\n') 

Answer 6

J'ai dû convertir du texte enrichi dans un courriel HTML en texte brut. Ce qui suit a fonctionné pour moi dans IE (obj est un objet jQuery):

function getTextFromHTML(obj) { 
    var ni = document.createNodeIterator(obj[0], NodeFilter.SHOW_TEXT, null, false); 
    var nodeLine = ni.nextNode(); // go to first node of our NodeIterator 
    var plainText = ""; 

    while (nodeLine) { 
     plainText += nodeLine.nodeValue + "\n"; 
     nodeLine = ni.nextNode(); 
    } 

    return plainText; 
}