有没有一种简单的方法从Qt中的QString去除HTML？

Question

我有一个QString，里面有一些HTML ...有没有一种简单的方法来从它剥离HTML？我基本上只想要实际的文字内容。

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

将成为：

Test: A test case 

我很想知道，如果Qt拥有了这样的字符串函数或效用。

Answer 1

您可以尝试使用QXmlStreamReader类遍历字符串并提取所有文本（如果您的HTML字符串保证为格式正确的XML）。

事情是这样的：

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

，但我不能确定它的100％QXmlStreamReader API的有效ussage，因为我已经很寿命长的时间前使用它，可能会忘记一些东西。

Answer 2

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

Answer 3

如果你不关心性能这么多，然后QTextDocument确实将HTML转换为纯文本的一个不错的工作。

QTextDocument doc; 
doc.setHtml(htmlString); 

return doc.toPlainText(); 

我知道这个问题是旧的，但我正在寻找一个快速和肮脏的方式来处理不正确的HTML。 XML解析器没有给出好的结果。

Answer 4

某些html不完全验证xml的情况使得它正确工作变得更糟。

如果它是有效的xml（或不是太糟糕的格式），我认为QXmlStreamReader + QXmlStreamEntityResolver可能不是坏主意。

示例代码：https://github.com/ycheng/misccode/blob/master/qt_html_parse/utils.cpp

（这可能是一个评论，但我仍然没有权限这么做）

Answer 5

这个答案是谁后阅读这篇文章，并使用QT5或更高版本。只需使用下面的内置函数来转义html字符即可。

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