HTML 是一种标记语言,用于创建或设计要在浏览器中显示的文档。它可以在页面中包含文本或视觉信息。在某些情况下,您可能希望从 HTML 文档中提取 Text。根据这些用例,本文介绍了如何在 Java 中以编程方式从 HTML 中提取文本。
HTML 文本提取器 – Java API 安装
Aspose.HTML for Java API 可用于创建、编辑或操作 HTML、MHTML 和许多其他 文件格式。只需从 Downloads 页面下载其 JAR 文件来设置 API,或者在 pom.xml 文件中使用以下规范来启用来自 Aspose Repository 的 API:
存储库:
<repositories>
<repository>
<id>snapshots</id>
<name>repo</name>
<url>http://repository.aspose.com/repo/</url>
</repository>
</repositories>
依赖:
<dependencies>
<dependency>
<groupId>com.aspose</groupId>
<artifactId>aspose-html</artifactId>
<version>22.7</version>
<classifier>jdk17</classifier>
</dependency>
</dependencies>
在 Java 中以编程方式从 HTML 中提取文本
以下步骤展示了如何在 Java 中以编程方式从 HTML 中提取文本:
- 使用 HTMLDocument 类获取源 HTML 文档。
- 初始化 TextSaveOptions 类的一个实例。
- 从 HTML 文档中提取文本。
下面的代码片段演示了如何在 Java 中以编程方式从 HTML 中提取文本:
// 准备 HTML 代码并将其保存到文件中
String code = "<span>Hello World!!</span>";
try (java.io.FileWriter fileWriter = new java.io.FileWriter("document.html")) {
fileWriter.write(code);
}
// 从文件初始化 HTML 文档
com.aspose.html.HTMLDocument document = new com.aspose.html.HTMLDocument("document.html");
try {
// 初始化 TextSaveOptions 类对象
com.aspose.html.saving.TextSaveOptions options = new com.aspose.html.saving.TextSaveOptions();
// 将 HTML 转换为文本
com.aspose.html.converters.Converter.convertHTML(document, options, "output.txt");
} finally {
if (document != null) {
document.dispose();
}
}
探索 Aspose.HTML for Java
您可以查看 documentation 部分以探索 API 支持的其他几个功能。
结论
总之,您已经学习了如何在 Java 中以编程方式从 HTML 中提取文本。这可以帮助您从网页中检索信息。此外,如果您需要讨论您的任何疑虑或要求,请在 论坛 上写信给我们。