HTML文档处理控件Aspose.HTML功能演示：在C＃中将HTML转换为纯文本或从HTML提取文本

HTML的内容使用不同的标签进行区分，可以使用C＃语言轻松地将HTML转换为纯文本，而忽略开始和结束标记。

HTML是一种标记语言，广泛用于网站，Web应用程序等中。HTML的内容使用不同的标签进行区分。您可以使用C＃语言轻松地将HTML转换为纯文本，而忽略开始和结束标记。

同样，根据您的要求，可能会有一些级联的样式表规范，JavaScript或HTML的任何其他部分。因此，就像从HTML文档中提取文本一样。让我们浏览以下部分以获取详细信息：

• 在C＃中使用INodeIterator将HTML转换为文本文件
• 使用C＃以不同的方法从HTML提取文本
• 使用C＃将URL网页HTML转换为文本

您可以使用Aspose.HTML for .NET API将HTML转换为纯文本，点击下方按钮下方使用。

17周年庆来啦！整合所有格式API处理控件Aspose.Total永久授权火热促销中，新购乐享85折起！联系客服立马1分钟了解全部！

在C＃中使用INodeIterator将HTML转换为文本文件

用于.NET API的Aspose.HTML基于DOM（文档对象模型），因此您可以使用INodeIterator接口在API的不同节点之间进行迭代。同样，它使您可以定义一个NodeFilter并覆盖用于过滤内容的方法的控件。您可以忽略样式，脚本或HTML文件中的任何其他元素，仅从其中选择文本字符串。以下是使用C＃将HTML转换为纯TXT文件的步骤：

1. 读取输入的HTML文件
2. 初始化节点迭代器的实例
3. 创建INodeIterator实例
4. 检查样式过滤器
5. 读取字符串中的节点值
6. 将HTML的文本内容写入TXT文件

下面的代码显示了如何使用C＃将HTML转换为纯文本文件：

String content = File.ReadAllText(dataDir + "Test2.html");// Create an instance of HTML documentusing (var document = new HTMLDocument(content, "")){    // The first way of gathering text elements from document    // Initialize the instance of node iterator    Aspose.Html.Dom.Traversal.INodeIterator iterator = document.CreateNodeIterator(document, Aspose.Html.Dom.Traversal.Filters.NodeFilter.SHOW_TEXT, new StyleFilter());    StringBuilder sb = new StringBuilder();    Aspose.Html.Dom.Node node;    while ((node = iterator.NextNode()) != null)        sb.Append(node.NodeValue);    Console.WriteLine(sb.ToString());    File.WriteAllText(@"NodeIterator.txt", sb.ToString());}//////  Represents a user filter created in order to ignore content of the 'style' and 'script' element.///class StyleFilter : Aspose.Html.Dom.Traversal.Filters.NodeFilter{    public override short AcceptNode(Aspose.Html.Dom.Node n)    {        //If you want to avoid any element, write its name in capital letters        return (n.ParentElement.TagName == "STYLE" || n.ParentElement.TagName == "SCRIPT" FILTER_REJECT : FILTER_ACCEPT);    }}

使用C＃以不同的方法从HTML提取文本

我们已经学习了如何使用INodeIterator将HTML转换为Text。同样，还有其他几种方法可以满足这些要求。您可以创建自定义方法来提取文本，也可以按照以下步骤中的说明使用TextContent属性：

1. 加载输入的HTML文档
2. 定义用户定义的方法
3. 检查每个NodeType以查看它是元素节点还是文本节点
4. 使用TextContent属性获取文本元素
5. 保存输出TXT文件

下面的代码段说明了在C＃中将HTML转换为纯文本的两种不同方法：

String text = "";String content = File.ReadAllText(dataDir + "Test2.html");// Create an instance of HTML documentvar document = new HTMLDocument(content, "");// The second way of gathering text elements from document by using custom methodtext = GetContent(document.Body);File.WriteAllText("Test.txt", text);// The third way of gathering text elements from document by using TextContent propertytext = document.Body.TextContent;File.WriteAllText("Test.txt", text);static string GetContent(Aspose.Html.Dom.Node node){    StringBuilder sb = new StringBuilder();    foreach (var n in node.ChildNodes)    {        if (n.NodeType == Aspose.Html.Dom.Node.ELEMENT_NODE)            sb.Append(GetContent(n));        else if (n.NodeType == Aspose.Html.Dom.Node.TEXT_NODE)            sb.Append(n.NodeValue);    }    return sb.ToString();}

使用C＃将URL网页HTML转换为文本

我们已经介绍了脱机网页HTML到文本的转换，其中要求HTML文件通过将其下载到磁盘上而存在。让我们更进一步，您甚至不需要将HTML文件保存在磁盘上。您可以通过使用C＃将网页的URL指定为URL直接转换为TXT文件。例如，让我们通过以下步骤将Aspose.HTML for .NET API的产品页面转换为TXT文件：

1. 初始化HTMLDocument对象并指定URL
2. 阅读HTML格式的文本内容
3. 使用从网页中提取的文字写入TXT文件

下面的代码显示了如何使用C＃将URL网页HTML转换为文本：

// Initialize HTMLDocument object with URLHTMLDocument document = new HTMLDocument("https://products.aspose.com/html/net");    // Read the text contents of the HTML formatString text = document.Body.TextContent;    // Write the TXT file with extracted textFile.WriteAllText("Webpage.txt", text);

还想要更多吗可以点击阅读【2020 · Aspose最新资源整合】，查找需要的教程资源。如果您有任何疑问或需求，请随时加入Aspose技术交流群（），我们很高兴为您提供查询和咨询。
标签：

来源：慧都