Тази проста тема е за това как да конвертирате HTML в текст в Java. В Java HTML към обикновен текст приложението за преобразуване, работещо под Windows, Linux или macOS платформи, може да бъде разработено с помощта на прости и лесни API интерфейси.
Стъпки за конвертиране на HTML в текст в Java
- Конфигурирайте проекта си, за да добавите Aspose.HTML for Java от хранилището на Maven
- Включете препратката към пространството от имена Aspose.HTML в приложението си
- Прочетете съдържанието на изходния HMTL файл с помощта на String обект
- Инициализирайте обект HTMLDocument class, за да заредите изходния HTML низ
- Инициализирайте обект на клас INodeIterator, за да итерирате възли и да добавите в StringBuilder
- Запазете извлечения текст от HTML на диск
За да извлечете текст от HTML Java базирано приложение, можете да използвате няколко реда код. Ще започнем процеса, като заредим изходния HTML в String обект и впоследствие заредим този String с помощта на HTMLDocument class. След това ще използваме INodeIterator за извличане, преминаване и добавяне на HMTL възлите към StringBuilder. Накрая StringBuilder ще бъде записан като обикновен текстов файл на диска.
Код за конвертиране на HTML в текст в Java
| import com.aspose.html.HTMLDocument; | |
| import com.aspose.html.License; | |
| import com.aspose.html.dom.Node; | |
| import com.aspose.html.dom.traversal.INodeIterator; | |
| import com.aspose.html.dom.traversal.filters.NodeFilter; | |
| import java.nio.file.Paths; | |
| import java.nio.file.Files; | |
| import java.io.IOException; | |
| import java.nio.charset.Charset; | |
| import java.nio.charset.StandardCharsets; | |
| import java.util.stream.Collectors; | |
| public class HtmlToTextCoverter { | |
| public static void main(String[] argsHTMLFile) throws Exception { | |
| // Setting Aspose.Html Java API license to use complete features | |
| License lic = new License(); | |
| lic.setLicense("HTML.Total.Java.lic"); | |
| // Read the HTML file in String | |
| String content = null; | |
| try { | |
| content = readFileContent("TestFile.html", StandardCharsets.UTF_8); | |
| } catch (IOException exception) { | |
| exception.printStackTrace(); | |
| return; | |
| } | |
| // Instantiate HtmlDocument object to load HTML content in String | |
| HTMLDocument document = new HTMLDocument(content, ""); | |
| // Initialize INodeIterator instance iterate HTML nodes | |
| INodeIterator iterator = document.createNodeIterator(document, NodeFilter.SHOW_TEXT, new StyleFilter()); | |
| StringBuilder Stringbld = new StringBuilder(); | |
| // Temp Node object | |
| Node node; | |
| // Iterate through Nodes | |
| while ((node = iterator.nextNode()) != null) | |
| Stringbld.append(node.getNodeValue()); | |
| System.out.println(Stringbld.toString()); | |
| Files.write(Paths.get("HtmlToText_Java.txt"), Stringbld.toString().getBytes()); | |
| } | |
| public static String readFileContent(String filePath, Charset encoding) throws IOException { | |
| String fileContent = Files.lines(Paths.get(filePath), encoding) | |
| .collect(Collectors.joining(System.lineSeparator())); | |
| return fileContent; | |
| } | |
| } | |
| class StyleFilter extends NodeFilter { | |
| @Override | |
| public short acceptNode(Node node) { | |
| // In order to skip an element while fetching nodes, mention the name of element in upper case letters | |
| return (node.getParentElement().getTagName() == "STYLE" || node.getParentElement().getTagName() == "SCRIPT" | |
| ? FILTER_REJECT : FILTER_ACCEPT); | |
| } | |
| } |
Горният пример в Java преобразува HTML в обикновен текст в няколко извиквания на API. Създадохме StyleFilter клас, който разширява NodeFilter класа и имплементираме AcceptNode метода за задаване на филтри за клиентски възли и пропускане на нежеланите възли от HTML по време на процеса на конвертиране.
В тази тема проучихме как да извлечем текст от HTML в Java. Ако се интересувате от преобразуване на MD файл във формат XPS, продължете към темата как да конвертирайте Markdown в XPS с помощта на Java.
