4

我目前正在使用 Hpple 来解析 HTML，如下所示：

TFHpple *htmlParser = [TFHpple hppleWithHTMLData:[currentString dataUsingEncoding:NSUTF8StringEncoding]];
NSString *paragraphsXpathQuery = @"//p//text()";
        NSArray *paragraphNodes = [htmlParser searchWithXPathQuery:paragraphsXpathQuery];
        if ([paragraphNodes count] > 0) {
            NSMutableArray *tempArray = [NSMutableArray array];
            for (TFHppleElement *element in paragraphNodes) {
                [tempArray addObject:[element content]];
            }
            article.paragraphs = tempArray;
        }

这样我就得到了一个段落数组，我可以用NSString *result = [myArray componentsJoinedByString:@"\n\n"];它来将它编译成带有换行符的单个文本体。

但是，如果 html 包含标签，它们将被解释为单独的实体，并且会自行换行，所以在一天结束时，从这样的一行开始：

<p>I went to the <a href="blablabla.html">shop</a> to get some milk!</a></p>
<p>It was awesome.</p>

我明白了：

I went to the

shop

to get some milk!

It was awesome!

当然我想得到这个（忽略标签内的其他p标签）：

I went to the shop to get some milk!

It was awesome!

你能帮我吗？

4

2 回答 2

2

在 XPath 1.0 中，您可以分两步执行此操作：

  1. 选择所有p元素：//p

  2. 在每个选定p的元素（用作初始上下文节点）上评估：string()

说明：

根据定义，将标准 XPath 函数string()应用于元素的结果是其所有文本节点后代的串联（按文档顺序）。

于 2012-09-14T13:23:04.983 回答
2 
NSString *HTMLTags = @"<[^>]*>"; //regex to remove any html tag

NSString *htmlString = @"<html>bla bla</html>";
NSString *stringWithoutHTML = [hstmString stringByReplacingOccurrencesOfRegex:myregex withString:@""];

不要忘记将其包含在您的代码中：#import "RegexKitLite.h" 这里是下载此 API 的链接：http ://regexkit.sourceforge.net/#Downloads

于 2012-09-14T13:48:22.433 回答