如何从文本格式的 HTML 标签中提取文本?

htmlweb developmentfront end technology更新于 2024/4/24 14:04:17

从 HTML 文件中提取文本本质上相当于将网站内容复制粘贴到记事本中。这听起来可能很容易，但如果需要从数百万个 HTML 文件(网页)中提取文本，那就没那么有趣了。

让我们深入研究这篇文章，以便更好地理解如何从文本格式的 HTML 标签中提取文本。

从 HTML 标签中提取文本

HTML 中的许多元素都可以用来赋予文本特定的含义。为了更好地了解如何从文本格式的 HTML 标签中提取文本，让我们看看以下示例。

示例

在下面的示例中，我们运行脚本从 HTML 标签中提取文本。

<!DOCTYPE html>
<html>
   <body>
      <script>
         function gettext(html){
            var tempDivElement = document.createElement("div");
            tempDivElement.innerHTML = html;
            return tempDivElement.textContent || tempDivElement.innerText || "";
         }
         var sentence= "<div><h1>Welcome to Tutorialspoint</h1></div>";
         document.write(gettext(sentence));
      </script>
   </body>
</html>

脚本执行时，它将生成一个输出，该输出包含从上述脚本获取的数据，并将其显示在网页上。

示例

考虑以下示例，我们运行脚本以从 HTML 标签中获取文本。

<!DOCTYPE html>
<html>
   <body>
      <script>
         var statement= "<div><h1>TutorialsPoint</h1>
<p> is the Best E-Learning</p></div>";
         var result = statement.replace(/<[^>]+>/g, '');
         document.write(result)
      </script>
   </body>
</html>

运行上述脚本后，将弹出输出窗口，其中包含通过运行网页上显示的脚本所提取的文本。