JavaでHTMLをテキストに変換する方法

この簡単なトピックは、JavaでHTMLをテキストに変換する方法についてです。 Windows、Linux、またはmacOSプラットフォームで実行される* Java HTMLからプレーンテキスト*への変換アプリケーションは、シンプルで簡単なAPIインターフェイスを使用して開発できます。

JavaでHTMLをテキストに変換する手順

MavenリポジトリからAspose.HTML for Javaを追加するようにプロジェクトを構成します
アプリケーションにAspose.HTML名前空間への参照を含めます
Stringオブジェクトを使用してソースHMTLファイルのコンテンツを読み取ります
HTMLDocument classオブジェクトを初期化して、ソースHTML文字列をロードします
INodeIteratorクラスオブジェクトを初期化してノードを反復し、StringBuilderに追加します
HTMLから抽出したテキストをディスクに保存します

数行のコードを使用してHTMLJavaベースのアプリケーションからテキストを抽出するために使用できます。ソースHTMLをStringオブジェクトにロードし、続いてHTMLDocumentクラスを使用してその文字列をロードすることでプロセスを開始します。次に、* INodeIterator *を使用して、HMTLノードを抽出し、トラバースして、StringBuilderに追加します。最後に、StringBuilderはプレーンテキストファイルとしてディスクに保存されます。

JavaでHTMLをテキストに変換するコード

	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);
	}
	}

view raw How to Convert HTML to Text in Java.java hosted with ❤ by GitHub

上記のJavaの例では、いくつかのAPI呼び出しでHTMLをプレーンテキストに変換します。 NodeFilterクラスを拡張するStyleFilterクラスを作成し、* AcceptNode *メソッドを実装して、顧客ノードフィルターを設定し、変換プロセス中にHTMLから不要なノードを除外します。

このトピックでは、JavaでHTMLからテキストを抽出する方法について説明しました。 MDファイルをXPS形式に変換することに興味がある場合は、トピックJavaを使用してMarkdownをXPSに変換するに進んでください。

Aspose 知識ベース

APIで回答を見つけます

JavaでHTMLをテキストに変換する方法

JavaでHTMLをテキストに変換する手順

JavaでHTMLをテキストに変換するコード