Ez az egyszerű téma arról szól, hogyan lehet a HTML szöveggé konvertálni Java nyelven. A Java HTML-ből egyszerű szöveggé konvertáló alkalmazások Windows, Linux vagy macOS platformokon fejleszthetők egyszerű és egyszerű API-felületekkel.
Lépések a HTML szöveggé konvertálásához Java nyelven
- Konfigurálja a projektet úgy, hogy hozzáadja a(z) Aspose.HTML for Java elemet a Maven adattárból
- Szerelje be a Aspose.HTML névtérre való hivatkozást az alkalmazásban
- Olvassa be a forrás HMTL fájl tartalmát a String objektum használatával
- A forrás HTML-karakterlánc betöltéséhez inicializálja a HTMLDocument class objektumot
- Inicializálja az INodeIterator osztályobjektumot a csomópontok iterálásához és hozzáfűzéséhez a StringBuilderben
- Mentse a HTML-ből kivont szöveget a lemezre
Annak érdekében, hogy szöveg kinyerése HTML-ből Java alapú alkalmazás használható néhány sor kóddal. A folyamatot úgy indítjuk el, hogy betöltjük a forrás-HTML-t egy String objektumba, majd ezt követően betöltjük a karakterláncot a HTMLDocument class használatával. Ezután az INodeIterator segítségével kibontjuk, bejárjuk és hozzáfűzzük a HMTL csomópontokat egy StringBuilderhez. Végül a StringBuilder egyszerű szöveges fájlként kerül mentésre a lemezre.
Kód a HTML szöveggé konvertálásához Java nyelven
| 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); | |
| } | |
| } |
A fenti példa a Java-ban néhány API-hívásban konvertálja a HTML-t egyszerű szöveggé. Létrehoztuk a StyleFilter osztályt, amely kiterjeszti a NodeFilter osztályt, és megvalósítja az AcceptNode metódust az ügyfél csomópontszűrőinek beállításához és a nem kívánt csomópontok kihagyásához a HTML-ből a konverziós folyamat során.
Ebben a témában megvizsgáltuk, hogyan lehet szöveget kivonni a HTML-ből Java nyelven. Ha érdekli az MD fájl XPS formátumba konvertálása, folytassa a konvertálja a Markdown-t XPS-re Java segítségével témával.
