blocks|key|939608|text|尝试使用正则表达式提取html标记，并将结果保存为文件文本。但这并不简单。使用此帮助类DEELX+-+Regular+Expression+Engine。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|939609|entityMap|0|LINK|mutability|MUTABLE|url|http://www.regexlab.com/deelx/^0|17|X|0|0^^$0|@$1|2|3|4|5|6|7|L|8|@]|9|@$A|M|B|N|1|O]]|C|$]]|$1|D|3|-4|5|6|7|P|8|@]|9|@]|C|$]]]|E|$F|$5|G|H|I|C|$J|K]]]]

Try using regular expression extracting html tags and save result as file text. But it not simple. Use this help class <a href="http://www.regexlab.com/deelx/" rel="nofollow noreferrer">DEELX - Regular Expression Engine</a>.

blocks|key|2758394|text|在尝试了几个选项之后，我认为更简单的方法是使用链接。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|2758395|在ubuntu中：|2758396|sudo+apt-get+install+elinks
elinks+-dump+a.html+>+a.txt|code-block|syntax|javascript|2758397|entityMap^0|0|0|0^^$0|@$1|2|3|4|5|6|7|K|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|L|8|@]|9|@]|A|$]]|$1|D|3|E|5|F|7|M|8|@]|9|@]|A|$G|H]]|$1|I|3|-4|5|6|7|N|8|@]|9|@]|A|$]]]|J|$]]

After trying out a few options, I think the easier way to do it with large scale is to use elinks.

in ubuntu: 

<pre><code>sudo apt-get install elinks
elinks -dump a.html &gt; a.txt
</code></pre>

blocks|key|193965|text|听起来很“明显”，你可以把所有的文本放在>和<之间|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|193966|entityMap^0|K|1|M|1|0^^$0|@$1|2|3|4|5|6|7|H|8|@$9|I|A|J|B|C]|$9|K|A|L|B|C]]|D|@]|E|$]]|$1|F|3|-4|5|6|7|M|8|@]|D|@]|E|$]]]|G|$]]

As 'obvious' as it may sound you can just keep all the text between <code>&gt;</code> &amp; <code>&lt;</code>

blocks|key|939703|text|我发布了Windows+which+originally+came+from+@Ben+Anderson's+C#+solution的c%2B%2B版本。注意，代码还不是很健壮。此外，所有开头和结尾的换行符都将被修剪。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|939704|//+The+trimming+method+comes+from+https://stackoverflow.com/a/1798170/1613961
wstring+trim(const+std::wstring&+str,+std::wstring&+newline+=+L"\r\n")
{
++++const+auto+strBegin+=+str.find_first_not_of(newline);
++++if+(strBegin+==+std::string::npos)
++++++++return+L"";+//+no+content

++++const+auto+strEnd+=+str.find_last_not_of(newline);
++++const+auto+strRange+=+strEnd+-+strBegin+%2B+1;

++++return+str.substr(strBegin,+strRange);
}

wstring+HtmlToText(wstring+htmlTxt)+{

++++std::wregex+stripFormatting(L"<[%5E>]*(>%7C$)");+//match+any+character+between+'<'+and+'>',+even+when+end+tag+is+missing

++++wstring+s1+=+std::regex_replace(htmlTxt,+stripFormatting,+L"");
++++wstring+s2+=+trim(s1);
++++wstring+s3+=+std::regex_replace(s2,+std::wregex(L"\\&nbsp;"),+L"+");
++++return+s3;
}|code-block|syntax|javascript|939705|entityMap|0|LINK|mutability|MUTABLE|url|https://stackoverflow.com/a/16407272/1613961^0|C|1I|0|0|0^^$0|@$1|2|3|4|5|6|7|Q|8|@]|9|@$A|R|B|S|1|T]]|C|$]]|$1|D|3|E|5|F|7|U|8|@]|9|@]|C|$G|H]]|$1|I|3|-4|5|6|7|V|8|@]|9|@]|C|$]]]|J|$K|$5|L|M|N|C|$O|P]]]]

I post the c++ version for Windows <a href="https://stackoverflow.com/a/16407272/1613961">which originally came from @Ben Anderson's C# solution</a>.
Note, the code isn't quite robust yet. Also all the leading and ending newlines would be trimmed.

<pre><code>// The trimming method comes from https://stackoverflow.com/a/1798170/1613961
wstring trim(const std::wstring&amp; str, std::wstring&amp; newline = L"\r\n")
{
 const auto strBegin = str.find_first_not_of(newline);
 if (strBegin == std::string::npos)
 return L""; // no content

 const auto strEnd = str.find_last_not_of(newline);
 const auto strRange = strEnd - strBegin + 1;

 return str.substr(strBegin, strRange);
}

wstring HtmlToText(wstring htmlTxt) {

 std::wregex stripFormatting(L"&lt;[^&gt;]*(&gt;|$)"); //match any character between '&lt;' and '&gt;', even when end tag is missing

 wstring s1 = std::regex_replace(htmlTxt, stripFormatting, L"");
 wstring s2 = trim(s1);
 wstring s3 = std::regex_replace(s2, std::wregex(L"\\&amp;nbsp;"), L" ");
 return s3;
}
</code></pre>

blocks|key|942377|text|看看html2text吧。它是一个命令工具，而不是一个纯粹的库，但包含了剥离和转换html的代码。所以你应该能够使用它。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|942378|entityMap|0|LINK|mutability|MUTABLE|url|http://www.mbayer.de/html2text/^0|2|9|0|0^^$0|@$1|2|3|4|5|6|7|L|8|@]|9|@$A|M|B|N|1|O]]|C|$]]|$1|D|3|-4|5|6|7|P|8|@]|9|@]|C|$]]]|E|$F|$5|G|H|I|C|$J|K]]]]

Take a look at <a href="http://www.mbayer.de/html2text/" rel="nofollow noreferrer">html2text</a>. It's a command tool and not a pure lib, but contains code which strips and converts html. So you should be able to use it.

I am doing mail parsing application which required to convert the HTML file to Plain Text. 
regarding this i have found some scripts which does conversion. 
I want to do same thing in C++. 

So please suggest me any Cross platform and open source C++ libraries for converting HTML to Plain Text.

Thanks in advance 
Regards
Subbi

Convert HTML to Plain Text using c++

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我正在做邮件解析应用程序，这需要转换的HTML文件为纯文本。关于这一点，我找到了一些脚本，它可以进行转换。我想在C++中做同样的事情。因此，请建议我任何跨平台和开放源码的C++库转换为纯文本。提前感谢Subbi

问使用c++将HTML转换为纯文本
EN

回答 5

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问使用c++将HTML转换为纯文本EN

回答 5

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问使用c++将HTML转换为纯文本
EN