Այս պարզ թեման այն մասին է, թե ինչպես փոխակերպել HTML-ը Java-ի տեքստի: Java HTML-ում դեպի պարզ տեքստ փոխակերպման հավելված, որն աշխատում է Windows, Linux կամ macOS հարթակներում, կարող է մշակվել՝ օգտագործելով պարզ և հեշտ API միջերեսներ:
Java-ում HTML-ը տեքստի փոխարկելու քայլեր
- Կազմաձևեք ձեր նախագիծը, որպեսզի ավելացնեք Aspose.HTML for Java Maven-ի պահոցից
- Ձեր հավելվածում ներառեք Aspose.HTML անվանատարածքի հղումը
- Կարդացեք աղբյուրի HMTL ֆայլի բովանդակությունը՝ օգտագործելով String օբյեկտը
- Նախաձեռնեք HTMLDocument class օբյեկտը` սկզբնաղբյուր HTML տողը բեռնելու համար
- Նախաձեռնեք INodeIterator դասի օբյեկտը կրկնվող հանգույցների համար և միացրեք StringBuilder-ում
- Պահպանեք HTML-ից հանված տեքստը սկավառակի վրա
HTML Java*-ի վրա հիմնված հավելվածից *տեքստ հանելու համար կարող են օգտագործվել մի քանի տող կոդ: Մենք կսկսենք գործընթացը՝ բեռնելով աղբյուրի HTML-ը String օբյեկտի մեջ և այնուհետև բեռնելով այդ տողը՝ օգտագործելով HTMLDocument դասը: Այնուհետև մենք կօգտագործենք INodeIterator՝ հանելու, անցնելու և HMTL հանգույցները StringBuilder-ին միացնելու համար: Վերջապես, StringBuilder-ը կպահվի որպես պարզ տեքստային ֆայլ սկավառակի վրա:
Կոդ՝ Java-ում HTML-ը տեքստի փոխակերպելու համար
| 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); | |
| } | |
| } |
Վերոնշյալ օրինակը Java-ում փոխակերպում է HTML-ը պարզ տեքստի API-ի մի քանի զանգերում: Մենք ստեղծել ենք StyleFilter դասը, որը ընդլայնում է NodeFilter դասը և իրականացնում է AcceptNode մեթոդը՝ հաճախորդի հանգույցների զտիչները սահմանելու և փոխակերպման գործընթացում HTML-ից անցանկալի հանգույցները բաց թողնելու համար։
Այս թեմայում մենք ուսումնասիրել ենք ինչպես հանել տեքստը HTML-ից Java-ում: Եթե դուք հետաքրքրված եք MD ֆայլի XPS ձևաչափի փոխակերպմամբ, անցեք թեմային՝ ինչպես անել փոխարկել Markdown-ը XPS-ի Java-ի միջոցով:
