iOS：Html 解析 - 如何在 <p> 中忽略 a、li 等标签答案

【问题标题】：iOS: Html parsing - how to ignore tags like a, li, etc.. within <p>iOS：Html 解析 - 如何在 <p> 中忽略 a、li 等标签
【发布时间】：2012-09-07 15:25:00
【问题描述】：

我目前正在使用 Hpple 来解析 HTML，如下所示：

TFHpple *htmlParser = [TFHpple hppleWithHTMLData:[currentString dataUsingEncoding:NSUTF8StringEncoding]];
NSString *paragraphsXpathQuery = @"//p//text()";
        NSArray *paragraphNodes = [htmlParser searchWithXPathQuery:paragraphsXpathQuery];
        if ([paragraphNodes count] > 0) {
            NSMutableArray *tempArray = [NSMutableArray array];
            for (TFHppleElement *element in paragraphNodes) {
                [tempArray addObject:[element content]];
            }
            article.paragraphs = tempArray;
        }

这样我得到一个段落数组，我可以使用NSString *result = [myArray componentsJoinedByString:@"\n\n"]; 将它编译成带有换行符的单个文本体。

但是，如果 html 包含标签，它们会被解释为单独的实体，并且会自行换行，因此在一天结束时从这样的一行：

<p>I went to the <a href="blablabla.html">shop</a> to get some milk!</a></p>
<p>It was awesome.</p>

我明白了：

I went to the

shop

to get some milk!

It was awesome!

当然我想得到这个（忽略p标签内的其他标签）：

I went to the shop to get some milk!

It was awesome!

你能帮帮我吗？

【问题讨论】：

标签： objective-c ios xpath html-parsing hpple

【解决方案1】：

NSString *HTMLTags = @"<[^>]*>"; //regex to remove any html tag

NSString *htmlString = @"<html>bla bla</html>";
NSString *stringWithoutHTML = [hstmString stringByReplacingOccurrencesOfRegex:myregex withString:@""];

不要忘记在你的代码中包含这个：#import "RegexKitLite.h" 这里是下载这个 API 的链接：http://regexkit.sourceforge.net/#Downloads

【讨论】：

非常感谢！这对我有用！不过，您可能希望在最后一行将“myRegex”更正为 HTMLTags。 :) 其他人注意：导入 RegexKitLite 后，您必须链接到“-licucore”，这可以通过在构建设置的其他链接器标志行中键入 -licucore 来完成！
如果您的项目是为 iOS 4.0 或更新版本构建的（很可能），那么您不需要用于正则表达式的外部库，应该使用 NSRegularExpression：developer.apple.com/library/ios/#documentation/Foundation/…。

【解决方案2】：

在 XPath 1.0 中，您可以分两步完成此操作：

选择所有p元素：//p
在每个选定的p 元素（用作初始上下文节点）上评估：string()

解释：

根据定义，将标准 XPath 函数 string() 应用于元素的结果是其所有文本节点后代的串联（按文档顺序）。

【讨论】：

嗨，我也有兴趣这样做，但我不明白您所说的 evaluate this: string() 是什么意思？你能给出一些非常基本的示例代码吗？
@rdurand，如何评估 XPath 表达式取决于实现——阅读您的文档。我可以告诉你如何使用 C# 在 .NET 中执行此操作：使用 XPathNavigator.Evaluate() 方法：msdn.microsoft.com/en-us/library/2c16b7x8.aspx
这就是我发表评论后意识到的。由于这个问题似乎是针对 iOS 的，所以我正在考虑一个 iOS 示例。我会调查一下，似乎@AppleDelegate 提供了另一个 iOS 特定的解决方案。谢谢！
@rdurand，只要有可用的 XPath 2.0 实现，就可以通过评估单个 XPath (2.0) 表达式来获得所需的字符串。