有沒有一種簡單的方法從Qt中的QString去除HTML？

Question

我有一個QString，裏面有一些HTML ...有沒有一種簡單的方法來從它剝離HTML？我基本上只想要實際的文字內容。

<i>Test:</i><img src="blah.png" /><br> A test case 

將成爲：

Test: A test case 

我很想知道，如果Qt擁有了這樣的字符串函數或效用。

Answer 1

您可以嘗試使用QXmlStreamReader類遍歷字符串並提取所有文本（如果您的HTML字符串保證爲格式正確的XML）。

事情是這樣的：

QXmlStreamReader xml(htmlString); 
QString textString; 
while (!xml.atEnd()) { 
    if (xml.readNext() == QXmlStreamReader::Characters) { 
     textString += xml.text(); 
    } 
} 

，但我不能確定它的100％QXmlStreamReader API的有效ussage，因爲我已經很壽命長的時間前使用它，可能會忘記一些東西。

Answer 2

QString s = "<i>Test:</i><img src=\"blah.png\" /><br> A test case"; 
s.remove(QRegExp("<[^>]*>")); 
// s == "Test: A test case" 

Answer 3

如果你不關心性能這麼多，然後QTextDocument確實將HTML轉換爲純文本的一個不錯的工作。

QTextDocument doc; 
doc.setHtml(htmlString); 

return doc.toPlainText(); 

我知道這個問題是舊的，但我正在尋找一個快速和骯髒的方式來處理不正確的HTML。 XML解析器沒有給出好的結果。

Answer 4

某些html不完全驗證xml的情況使得它正確工作變得更糟。

如果它是有效的xml（或不是太糟糕的格式），我認爲QXmlStreamReader + QXmlStreamEntityResolver可能不是壞主意。

示例代碼：https://github.com/ycheng/misccode/blob/master/qt_html_parse/utils.cpp

（這可能是一個評論，但我仍然沒有權限這麼做）

Answer 5

這個答案是誰後閱讀這篇文章，並使用QT5或更高版本。只需使用下面的內置函數來轉義html字符即可。

QString str="<h1>some hedding </h1>"; // a string containing html tags. 
QString esc=str.toHtmlEscaped(); //esc contains the html escaped srring.