Эта простая тема посвящена тому, как преобразовать HTML в текст в Java. Приложение преобразования Java HTML в обычный текст, работающее под платформами Windows, Linux или macOS, может быть разработано с использованием простых и удобных API-интерфейсов.
Шаги для преобразования HTML в текст в Java
- Настройте свой проект, чтобы добавить Aspose.HTML for Java из репозитория Maven.
- Включите ссылку на пространство имен Aspose.HTML в свое приложение.
- Прочитайте содержимое исходного файла HMTL, используя объект String.
- Инициализировать объект HTMLDocument class для загрузки исходной строки HTML.
- Инициализировать объект класса INodeIterator для итерации узлов и добавления в StringBuilder.
- Сохраните извлеченный текст из HTML на диске
Чтобы извлечь текст из HTML, можно использовать приложение на основе Java, используя несколько строк кода. Мы начнем процесс, загрузив исходный HTML-код в объект String, а затем загрузив эту строку с помощью класса HTMLDocument. Затем мы будем использовать INodeIterator для извлечения, обхода и добавления узлов HMTL в StringBuilder. Наконец, StringBuilder будет сохранен как обычный текстовый файл на диске.
Код для преобразования 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); | |
| } | |
| } |
Приведенный выше пример в Java конвертирует HTML в обычный текст за несколько вызовов API. Мы создали класс StyleFilter, который расширяет класс NodeFilter и реализует метод AcceptNode для установки фильтров узлов клиента и исключения нежелательных узлов из HTML в процессе преобразования.
В этом разделе мы рассмотрели как извлечь текст из HTML в Java. Если вас интересует преобразование файла MD в формат XPS, перейдите к разделу конвертировать Markdown в XPS с помощью Java.
