をテキストに、あなたは、オープンソースのJavaライブラリをお勧めすることができ（好ましくはASL/BSD/LGPLライセンス）プレーンテキストにHTMLを変換する - 、エンティティ（&、 を変換し、すべてのタグをきれいに等）と<br>とテーブルを正しく処理します。オープンソースのJavaライブラリ変換
詳細
私は、文字列としてHTMLを持って、ウェブからそれをフェッチする必要はありません。また、私が探していることは、このような方法は次のとおりです。
String convertHtmlToPlainText(String html)
お試しJerichoそれはあなたがやりたいだろうよう
TextExtractorクラスが聞こえます。申し訳ありませんが、私は新しいユーザーですが、ホームページを少しスクロールしてリンクしているので、2番目のリンクを投稿することはできません。
このクラスへのリンクは次のとおりです：http://jericho.htmlparser.net/docs/javadoc/net/htmlparser/jericho/TextExtractor.html –
ありがとう！ –
怠け者のために：String plainText = newソース（html）.getRenderer（）。toString（）; "hello"は "hello"の代わりに "<b> hello </b >"に変換されます。 –
は、それはいくつかの言語で利用可能で、HTMLと本当に良い仕事は「野生で」が見つかりません。 HTMLまたはXMLのクリーンアップ版が生成され、DOM/SAXパーサーで処理できます。
ありがとうございます。プレーンテキストの最終結果が必要です –
XMLになったら、SAXパーサーを実装してテキストノードのみを出力できます。'Character'以外のすべてのメソッドのDefaultHandlerノーオペレーションの実装） –
私は他の道を行くためにApache Commons Langを使用しました。しかし、それはあなたがStringEscapeUtils経由で必要なものを行うことができるように見えます。
htmlToText（）メソッドが見つかりません - HTMLがエスケープされていますが、実際にはレンダラーを最後に使用しました –
ああ、はい、プレーンテキストが欲しいとは思えませんでした。これは本当です。 – firefly2442
blikiエンジンはこれを2段階で実行できます。 nediawikiテキストは、すでにかなりプレーンテキスト形式ですが、さらに
それはこのように、コードのいくつかの7-8の線になります。
// html to wiki
import info.bliki.html.HTML2WikiConverter;
import info.bliki.html.wikipedia.ToWikipedia;
// wiki to plain text
import info.bliki.wiki.filter.PlainTextConverter;
import info.bliki.wiki.model.WikiModel;
...
String sbodyhtml = readFile(infilepath); //get content as string
HTML2WikiConverter conv = new HTML2WikiConverter();
conv.setInputHTML(sbodyhtml);
String resultwiki = conv.toWiki(new ToWikipedia());
WikiModel wikiModel = new WikiModel("${image}", "${title}");
String plainStr = wikiModel.render(new PlainTextConverter(false), resultwiki);
System.out.println(plainStr);
Jsoupはこの単純行うことができます。
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
...
Document doc = Jsoup.parse(sbodyhtml);
String plainStr = doc.body().text();
をが、結果には、すべての段落の書式を失います - - 改行はありません。
また[jsoup（http://jsoup.org/）（http://stackoverflow.com/questions/9631477/retrieve-text-from-html-file-in-java）[ここ]記載されています、これはリベラルな[MITライセンス]（http://jsoup.org/license）の下で配布されています。ちなみに、jsoupはあなたが 'Jsoup.parse（HTML）の.text（）されているHTML5 – cubanacan
をここでサポートしています' – cubanacan
、少なくともそれは私が求めてきました何をしません文書に従って（HTML操作、プレーンテキストにページをしない変換） –