是否有使用 Google Apps 脚本将 html 字符串转换为没有 html 标签的纯文本的功能或示例？

Question

在 JavaScript 中，这个解决方案可以完成这项工作：

function strip(html)
{
   var tmp = document.createElement("DIV");
   tmp.innerHTML = html;
   return tmp.textContent || tmp.innerText || "";
}

但据我所知，Google Apps 脚本中没有文档。是否有另一种方法可以在 Google Apps 脚本中解析和显示来自 html 的纯文本？

我尝试过使用

HtmlService.createHtmlOutput('<b>Hello, world!</b>').getContent();

但是这只是显示带有所有标签的文本。

我的期望是

的输入

'<b>Hello, world!</b>'

会输出

'Hello, world!'

Answer 1

可以通过两种不同的方式删除 html 标签：

1. Reg Exp - 正则表达式
2. 将 HTML 转换为 XML 并使用 XmlService 获取每个元素，然后获取每个元素的值

Reg Exp 更好，因为您不需要查找每个 HTML 元素，这需要更多代码。

必须首先将 HTML 转换为 XML，以便使用 XmlService.getPrettyFormat()。如果首先使用正则表达式删除 html 标记，那么代码将不知道应该在哪里换行。

使用XmlService.getPrettyFormat() 将用换行符格式化html。但要使用 XmlService，必须先将 html 字符串转换为 XML。在将 html 字符串转换为 XML 时，您需要做几件事以避免错误。

function parseHtml() {

  var html = 'This is just a Test<br><br>Here is my List<br>\
    <ol><li>one</li><li>Two</li><li>Three</li></ol><br>And a bulleted one<br><ul>\
    <li>Bullet One</li><li>Bullet Two</li><li>Bullet Three</li></ul>'; 

  html = '<div>' + html + '</div>';//To avoid the "Content is not allowed in prolog." error
  html = html.replace(/<br>/g,"");//To avoid an error when parsing to xml
  //Logger.log('html: ' + html)

  var document = XmlService.parse(html);

  var output = XmlService.getPrettyFormat().format(document);
  //Logger.log(output);

  output = output.replace(/<[^>]*>/g,"");
  Logger.log(output)
}

另一种方法（仅作为学习示例提供）是使用XmlService 将 HTML 解析为 Xml，然后循环遍历所有元素。 以下代码仅通过几层子级。

function parseHtml() {

  var html = 'This is just a Test<br><br>Here is my List<br>\
    <ol><li>one</li><li>Two</li><li>Three</li></ol><br>And a bulleted one<br><ul>\
    <li>Bullet One</li><li>Bullet Two</li><li>Bullet Three</li></ul>'; 

  html = '<div>' + html + '</div>';
  html = html.replace(/<br>/g,"");
  //Logger.log('html: ' + html)

  var allText = "";
  var thisTxt;

  var document = XmlService.parse(html);
  var root = document.getRootElement();
  //Logger.log('root: ' + JSON.stringify(root))

  var content = root.getAllContent();
  //Logger.log('content: ' + JSON.stringify(content))

  var L = content.length;

  for (var i=0;i<L;i++) {
    var thisEl = content[i];
    if (!thisEl) {continue;}

    var theType = thisEl.getType();
    //Logger.log('theType: ' + theType)
    //Logger.log('typeof theType: ' + typeof theType)

    if (theType === theType.ELEMENT) {
      var asElmt = thisEl.asElement();
      var allChildren = asElmt.getChildren();

      if (allChildren) {
        var nmbrOfChildren = allChildren.length;
        //Logger.log('nmbrOfChildren: ' + nmbrOfChildren)
      }

      if (!nmbrOfChildren) {
        thisTxt = asElmt.getValue();

        //Logger.log('thisTxt 43: ' + thisTxt)
        allText = allText + thisTxt  + "\n";
        continue;
      }

      for (var j=0;j<nmbrOfChildren;j++) {

        thisTxt = allChildren[j].getValue();
        if (!thisTxt) {
          continue;
        }

        allText = allText + thisTxt + "\n";

      }
      continue;
    }

    //Logger.log(thisEl.getValue())   
    allText = allText + thisEl.getValue()  + "\n";

  }

  //Logger.log('allText: ' + allText + "\n")

}