问题标签 [html-to-text]

我正在创建一个小算法来从网站获取文本..然后找到答案（完成后将发布脚本）。

为此，我需要将所有 HTML 代码转换为简单易读的英文文本。

我已经手动删除了所有 html 标签，但有些 css 条目很难摆脱。关于如何将 html 转换为纯英文文本的任何简单想法？

谢谢。

当代码放置 onClick 事件时，它不显示打开保存对话框，也没有抛出异常，但是 onLoad 事件可以正常工作，打开一个打开保存对话框来保存一个 word 文件。

我正在寻找将 HTML 转换为文本的最佳方法，仅使用 Python 2.7.x 标准库中的模块。（即，BeautifulSoup不等）

通过 HTML 到文本的转换，我的意思是lynx -dump. 事实上，只需智能地摆脱 HTML 标记，并将所有 HTML 实体转换为 ASCII（或 UTF8 编码的 unicode）就足够了。

请不要基于正则表达式的答案。（正则表达式不能胜任这项任务。）

谢谢！

有什么方法可以将 HTML 转换为正确的纯文本？我尝试了从 raw 到 sanitize 的所有方法，甚至是带有 text_part 方法的 Mail gem，它应该可以做到这一点，但对我不起作用。

到目前为止，我最好的镜头是strip_tags(strip_links(resource.body))but<p>等<ul>没有正确转换。

这或多或少是我在 HTML 中所拥有的：

转换为类似的东西

任何想法？

我正在创建一个基本上有一个表格和一个搜索栏的 AngularJS 应用程序。该表是位置，当您单击链接时，它应该通过嵌入式 Google 地图将您带到所述位置。当我尝试将地图平移到新位置时，我遇到了地图问题。这是应用程序的外观：

无论如何都可以单击名称/坐标（首选名称，以便我可以删除坐标列）并将坐标转换为可用于在 Google 地图上设置位置的字符串/对象？

提前致谢！！！

我在我的rails应用程序中使用simple_format将带有html标签的文本转换为纯文本，一切正常，但是simple_format没有显示“”引号内的文本

这是我的 Rails 代码，我也使用了 sanitize: false 但它不起作用。该怎么办？

大家好，我有一个文件夹，里面装满了要转换为文本文件的 html 文件。我在 ubuntu 平台上工作，不幸的是 lynx --dump 没有为我安装。有没有其他方法可以将 html 文件转换为文本文件？请帮忙！提前致谢。

我正在尝试从 HTML url 从许多不同的表中获取信息，而没有任何 HTML 缩进/制表符格式。我使用 get_text 来生成我想要的内容，但它会打印出很多空白和制表符。我已经尝试过 .strip ，但这并没有达到我想要的效果。

这是我正在使用的python脚本：

最后，我想创建一个活动日历的 csv，但首先我想创建一个 .txt 或不需要太多手动清理的东西。

任何帮助表示赞赏。

我有一个包含论文 ID 和论文的 html 文件。所以我想按顺序打印这些 ID 和文件。这是 html 文件和示例输出。

我想使用 perl 创建的 txt 文件是：

等等..

到目前为止，我已经编写了这段代码，但我不明白为什么它不起作用。它不会在屏幕和文本文件上打印任何内容。任何帮助将不胜感激。谢谢！

以下程序的目的是抓取 CNN，并将其所有文本写入单个文件（使用几个第三方）

我明白了

如何解决这个问题，我该如何绕过它？有没有办法可以“释放”内存？如何？