Ten prosty temat dotyczy tego, jak konwertować HTML na tekst w Javie. W Java HTML do zwykłego tekstu aplikacja do konwersji działająca na platformach Windows, Linux lub macOS może być rozwijana przy użyciu prostych i łatwych interfejsów API.
Kroki, aby przekonwertować HTML na tekst w Javie
- Skonfiguruj swój projekt, aby dodać Aspose.HTML for Java z repozytorium Maven
- Dołącz odwołanie do przestrzeni nazw Aspose.HTML w swojej aplikacji
- Odczytaj zawartość źródłowego pliku HMTL za pomocą obiektu String
- Zainicjuj obiekt HTMLDocument class, aby załadować źródłowy ciąg HTML
- Zainicjuj obiekt klasy INodeIterator, aby iterować węzły i dołączyć w StringBuilder
- Zapisz wyodrębniony tekst z HTML na dysku
W celu wyodrębnienia tekstu z HTML można użyć aplikacji opartej na Javie za pomocą kilku linijek kodu. Zainicjujemy ten proces, ładując źródłowy kod HTML do obiektu String, a następnie ładując ten ciąg przy użyciu HTMLDocument class. Następnie użyjemy INodeIterator do wyodrębnienia, przejścia i dołączenia węzłów HMTL do StringBuilder. Na koniec StringBuilder zostanie zapisany jako zwykły plik tekstowy na dysku.
Kod do konwersji HTML na tekst w Javie
| 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); | |
| } | |
| } |
Powyższy przykład w Java konwertuje HTML na zwykły tekst w kilku wywołaniach API. Stworzyliśmy klasę StyleFilter, która rozszerza klasę NodeFilter i zaimplementowaliśmy metodę AcceptNode w celu ustawienia filtrów węzłów klienta i pominięcia niepożądanych węzłów z HTML podczas procesu konwersji.
W tym temacie zbadaliśmy jak wyodrębnić tekst z HTML w Javie. Jeśli interesuje Cię konwersja pliku MD do formatu XPS, przejdź do tematu jak przekonwertuj Markdown na XPS przy użyciu Java.
