Как очистить HTML от мусора?

19.06.2008, 10:21. **Показов** 1988. **Ответов** 4

Студворк — интернет-сервис помощи студентам

Помогите!!! Есть HTML-файл. Надо преобразовать его в текстовый.
Это можно сделать, если открыть IE и сказать сохранить как текст.
А как сделать эту работу автоматически?
Т.е. на входе несколько (много) файлов и надо все их переделать в текстовые.
Есть компонент HTMLView, но как с ним работать я не знаю.
И вообще можно ли с его помощью что либо сделать?
Заранее благодарен.

@FateLessMan · 19.06.2008, 11:20

Можно поробовать regular expressions. К примеру, тэги table и br заменять на перевод строки, остальные же просто выкидывать, оставляя текст...

@sharig · 23.06.2008, 01:06

Я делаю так. Есть исходный htm-текст со всеми тегами. Ты последовательно находишь через InStr знак меньше (<), затем знак больше (>) и удаляешь всю информацию, заключенную между этими тегами. Затем ты замечаешь, что остается 'пустая' информация, заключенная в теги скриптов или счетчиков. Вот сначала и надо удалять такую информацию, а потом вылавливать основной текст.
Я пользовался таким алгоритмом долгое время, но потом понял, что лучше всего сшить все файлы для обработки в один файл (через программу FAR), а затем действительно ВЫДЕЛИТЬ весь текст, СКОПИРОВАТЬ и вставить для дальнейшей обработки в любой текстовой редактор. Если нужен совет, пиши на bigsharig@mtu-net.ru

@pl · 23.06.2008, 09:32

Пора заносить в FAQ

Code
1
2
3
4
5
6
7
8
Function RemoveTags(strng,tag)
    Dim regEx
    Set regEx = New RegExp
    regEx.Pattern = '(<'& tag &'[^>]*>)|(&[^;]*;)'
    regEx.IgnoreCase = True
    regEx.Global = True
    RemoveTags = regEx.Replace(strng,'')
End Function

вместо tag можно поставить '', тогда удаляется весь HTML.

23.06.2008, 09:53

А кто-нибудь пробовал это сделать через IE, но только автоматически.
Скажем в васике вызвать объект IE и с ним поработать: открыть файл и сохранить как...

Новые блоги и статьи Все статьи Все блоги /
SDL3 для Web (WebAssembly): Обработчик клика мыши в браузере ПК и касания экрана в браузере на мобильном устройстве 8Observer8 02.02.2026 Содержание блога Для начала пошагово создадим рабочий пример для подготовки к экспериментам в браузере ПК и в браузере мобильного устройства. Потом напишем обработчик клика мыши и обработчик. . .	Философия технологии iceja 01.02.2026 На мой взгляд у человека в технических проектах остается роль генерального директора. Все остальное нейронки делают уже лучше человека. Они не могут нести предпринимательские риски, не могут. . .	SDL3 для Web (WebAssembly): Вывод текста со шрифтом TTF с помощью SDL3_ttf 8Observer8 01.02.2026 Содержание блога В этой пошаговой инструкции создадим с нуля веб-приложение, которое выводит текст в окне браузера. Запустим на Android на локальном сервере. Загрузим Release на бесплатный. . .	SDL3 для Web (WebAssembly): Сборка C/C++ проекта из консоли 8Observer8 30.01.2026 Содержание блога Если вы откроете примеры для начинающих на официальном репозитории SDL3 в папке: examples, то вы увидите, что все примеры используют следующие четыре обязательные функции, а. . .
SDL3 для Web (WebAssembly): Установка Emscripten SDK (emsdk) и CMake для сборки C и C++ приложений в Wasm 8Observer8 30.01.2026 Содержание блога Для того чтобы скачать Emscripten SDK (emsdk) необходимо сначало скачать и уставить Git: Install for Windows. Следуйте стандартной процедуре установки Git через установщик. . . .	SDL3 для Android: Подключение Box2D v3, физика и отрисовка коллайдеров 8Observer8 29.01.2026 Содержание блога Box2D - это библиотека для 2D физики для анимаций и игр. С её помощью можно определять были ли коллизии между конкретными объектами. Версия v3 была полностью переписана на Си, в. . .	Инструменты COM: Сохранение данный из VARIANT в файл и загрузка из файла в VARIANT bedvit 28.01.2026 Сохранение базовых типов COM и массивов (одномерных или двухмерных) любой вложенности (деревья) в файл, с возможностью выбора алгоритмов сжатия и шифрования. Часть библиотеки BedvitCOM Использованы. . .	SDL3 для Android: Загрузка PNG с альфа-каналом с помощью SDL_LoadPNG (без SDL3_image) 8Observer8 28.01.2026 Содержание блога SDL3 имеет собственные средства для загрузки и отображения PNG-файлов с альфа-каналом и базовой работы с ними. В этой инструкции используется функция SDL_LoadPNG(), которая. . .

Oleg

	Как очистить HTML от мусора? 19.06.2008, 10:21. Показов 1988. Ответов 4 Метки нет (Все метки) Помогите!!! Есть HTML-файл. Надо преобразовать его в текстовый. Это можно сделать, если открыть IE и сказать сохранить как текст. А как сделать эту работу автоматически? Т.е. на входе несколько (много) файлов и надо все их переделать в текстовые. Есть компонент HTMLView, но как с ним работать я не знаю. И вообще можно ли с его помощью что либо сделать? Заранее благодарен.

@FateLessMan 0 / 0 / 0 Регистрация: 18.06.2008 Сообщений: 4
	19.06.2008, 11:20
	Можно поробовать regular expressions. К примеру, тэги table и br заменять на перевод строки, остальные же просто выкидывать, оставляя текст... 0

@sharig 2 / 2 / 1 Регистрация: 30.07.2007 Сообщений: 206
	23.06.2008, 01:06
	Я делаю так. Есть исходный htm-текст со всеми тегами. Ты последовательно находишь через InStr знак меньше (<), затем знак больше (>) и удаляешь всю информацию, заключенную между этими тегами. Затем ты замечаешь, что остается 'пустая' информация, заключенная в теги скриптов или счетчиков. Вот сначала и надо удалять такую информацию, а потом вылавливать основной текст. Я пользовался таким алгоритмом долгое время, но потом понял, что лучше всего сшить все файлы для обработки в один файл (через программу FAR), а затем действительно ВЫДЕЛИТЬ весь текст, СКОПИРОВАТЬ и вставить для дальнейшей обработки в любой текстовой редактор. Если нужен совет, пиши на bigsharig@mtu-net.ru 0

Oleg
	23.06.2008, 09:53
	А кто-нибудь пробовал это сделать через IE, но только автоматически. Скажем в васике вызвать объект IE и с ним поработать: открыть файл и сохранить как...