Ich möchte den Textinhalt einer HTML-Datei haben, muss dazu alle HTML-Tags löschen. Hat jemand eine Idee, wie das gehen könnte?

Du schreibst leider nicht, in welcher Programmiersprache Du arbeitest. Deshalb wähle ich erst einmal C#. Das Du die Datei selber einlesen kannst, setzte ich gerade voraus. Ansonsten müsstest Du schon konkrete Hinweise auf die gewünsche Sprache mitteilen.

Ungetestet:

using System.Text.RegularExpressions;

const string pattern = "<.*?>";
 
static string remoteTags (string inputString)
{
   return Regex.Replace 
     (inputString, pattern, string.Empty);
}

Hier noch ein weiterer Link mit umfangreicheren regulären Ausdrücken

Und zwei Möglichkeiten mit Java (Regex und javax.swing.text.html.HTMLEditorKit)

Edit:
Wenn wir schon einmal dabei sind, es geht auch komplett ohne Programmierkenntnisse.
Für Firefox gibt es ein Plugin, welches das Kontextmenü bei markiertem Text erweitert.

Extended Copy-Menu

Du öffnest dann mit Firefox die HTML-Seite, markierst alles mit Strg + A und wählst dann im Kontextmenü "Kopieren ohne Formatierung". Et voila. Zudem hat es den Vorteil, das Du auch nur Teile der HTML-Seite markieren kannst. Ist natürlich nur eine "für Zwischendurch"-Lösung, falls es Dir speziell nur manuell um einzelne Webseiten geht.

Die strip_tags PHP-Methode als Extension-Method in C# in 3 Varianten:

static class StringExtensions
{
    static Regex TagRegex = new Regex("</?(?<TagName>.*?)>", RegexOptions.Compiled);

    public static string StripTags(this string html)
    {
        return TagRegex.Replace(html, string.Empty);
    }

    public static string StripTags(this string html, string allowedTags)
    {
        var tags = (from Match m in TagRegex.Matches(allowedTags)
                    select m.Groups["TagName"].Value).ToList();

        return TagRegex.Replace(html, (Match m) =>
            tags.Contains(m.Groups["TagName"].Value) ? m.Value : string.Empty);
    }

    public static string StripTags(this string html, params string[] allowedTags)
    {
        return TagRegex.Replace(html, (Match m) =>
            allowedTags.Contains(m.Groups["TagName"].Value) ? m.Value : string.Empty);
    }
}

Verwendung:

void Main()
{
    var html = "<p>This is a test with some <b>bold</b> and<br /> " +
               "some <i>italic</i> words</p>";
    
    Console.WriteLine(html.StripTags());          // Variante 1
    Console.WriteLine(html.StripTags("<p><b>"));  // Variante 2
    Console.WriteLine(html.StripTags("b", "i"));  // Variante 3
}

[gelöscht]

In PHP gibt es für sowas eine einfache Lösung:

$text = strip_tags($text)

Besonders praktisch, falls bestimmte Tags doch erlaubt sein sollten:

$text = strip_tags($text, '<p><a>')

Die zweite Variante entfernt alle Tags, die nicht <p> oder <a> sind.

Solch komplizierte Probleme kann man nur mit einer richtigen Programmiersprache (VBScript) lösen:

Dim sURL      : sURL          = "http://codekicker.de/"
  Dim oHTMLFile : Set oHTMLFile = CreateObject( "HTMLFILE" )
  Dim oXMLHTTP  : Set oXMLHTTP  = CreateObject( "Msxml2.XMLHTTP" )
  oXMLHTTP.Open "GET", sURL, False
  oXMLHTTP.Send

  With oHTMLFile
    .Open
    .Write oXMLHTTP.responseText
    .Close
    WScript.Echo .body.innerText
  End With

(gekürzte) Ausgabe:

getText - get text from .html
-------------------------------------------------------------------------------


login
 |

Frage stellen
Fragen ansehen
Mehr...
» Themen » Mitglieder » Abzeichen » Ranking » Blog
» RSS-Feed » FAQ » Feedback» Startseite
2
Bewertungen
1
Antwort
5
Aufrufe
WPF TreeView-Knoten an Mausposition
Ich würde gerne in einem WPF-TreeView das Item an der aktuellen Mausposition ermitteln. Leider finde ich keine
 Methode "GetNodeAt" oder ähnliches. Wie löst man das Problem also...
thomas.ccgdev 43
vor 104m
....
+712
 Joachim
712 ● 7

Die codekicker-Elf »
Fragen und Antworten stehen unter der CC-Lizenz. Design und Code © codekicker.de 2011.
codekicker.de ist eine Fragen- und Antworten-Community zum Thema Programmieren. Beliebte Themen sind .NET, Jav
a, PHP, HTML, CSS, Python und viele mehr. FAQ | Impressum | Kontaktmail
===============================================================================
xplweb.vbs: Erfolgreich beendet. (0) [ 1.54297 secs ]