有没有一种简单的方法可以从 Qt 中的 QString 中剥离 HTML？

Question

我有一个 QString，里面有一些 HTML...有没有一种简单的方法可以从中去除 HTML？我基本上只想要实际的文本内容。

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

会变成：

Test: A test case

我很好奇 Qt 是否有一个字符串函数或实用程序。

Answer 1

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

Answer 2

如果您不太关心性能，那么 QTextDocument 在将 HTML 转换为纯文本方面做得非常好。

QTextDocument doc;
doc.setHtml( htmlString );

return doc.toPlainText();

我知道这个问题已经很老了，但我一直在寻找一种快速而肮脏的方法来处理不正确的 HTML。 XML 解析器没有给出好的结果。

Answer 3

您可以尝试使用 QXmlStreamReader 类迭代字符串并提取所有文本（如果您的 HTML 字符串保证是格式良好的 XML）。

像这样的事情：

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

但我不确定 QXmlStreamReader API 的使用是否 100% 有效，因为我很久以前就使用过它，可能会忘记一些东西。

Answer 4

有些 html 不能完全验证 xml 的情况会使正确计算结果变得更糟。

如果它是有效的 xml（或者格式不太糟糕），我认为 QXmlStreamReader + QXmlStreamEntityResolver 可能不是一个坏主意。

示例代码位于： https://github.com/y Cheng/misccode/blob /master/qt_html_parse/utils.cpp

（这可以是评论，但我仍然没有这样做的权限）

Answer 5

这个答案是为那些稍后阅读这篇文章并使用 Qt5 或更高版本的人提供的。只需使用内置函数转义 html 字符，如下所示。

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