HTML是一種標(biāo)記語言，廣泛用于網(wǎng)站，Web應(yīng)用程序等中。HTML的內(nèi)容使用不同的標(biāo)簽進(jìn)行區(qū)分。您可以使用C＃語言輕松地將HTML轉(zhuǎn)換為純文本，而忽略開始和結(jié)束標(biāo)記。

同樣，根據(jù)您的要求，可能會有一些級聯(lián)的樣式表規(guī)范，JavaScript或HTML的任何其他部分。因此，就像從HTML文檔中提取文本一樣。讓我們?yōu)g覽以下部分以獲取詳細(xì)信息：

• 在C＃中使用INodeIterator將HTML轉(zhuǎn)換為文本文件
• 使用C＃以不同的方法從HTML提取文本
• 使用C＃將URL網(wǎng)頁HTML轉(zhuǎn)換為文本

您可以使用Aspose.HTML for .NET API將HTML轉(zhuǎn)換為純文本，點(diǎn)擊下方按鈕下方使用。

點(diǎn)擊下載最新版Aspose.HTML

用于.NET API的Aspose.HTML基于DOM（文檔對象模型），因此您可以使用INodeIterator接口在API的不同節(jié)點(diǎn)之間進(jìn)行迭代。同樣，它使您可以定義一個NodeFilter并覆蓋用于過濾內(nèi)容的方法的控件。您可以忽略樣式，腳本或HTML文件中的任何其他元素，僅從其中選擇文本字符串。以下是使用C＃將HTML轉(zhuǎn)換為純TXT文件的步驟：

1. 讀取輸入的HTML文件
2. 初始化節(jié)點(diǎn)迭代器的實(shí)例
3. 創(chuàng)建INodeIterator實(shí)例
4. 檢查樣式過濾器
5. 讀取字符串中的節(jié)點(diǎn)值
6. 將HTML的文本內(nèi)容寫入TXT文件

下面的代碼顯示了如何使用C＃將HTML轉(zhuǎn)換為純文本文件：

String content = File.ReadAllText(dataDir + "Test2.html");

// Create an instance of HTML document
using (var document = new HTMLDocument(content, ""))
{
    // The first way of gathering text elements from document
    // Initialize the instance of node iterator
    Aspose.Html.Dom.Traversal.INodeIterator iterator = document.CreateNodeIterator(document, Aspose.Html.Dom.Traversal.Filters.NodeFilter.SHOW_TEXT, new StyleFilter());
    StringBuilder sb = new StringBuilder();
    Aspose.Html.Dom.Node node;
    while ((node = iterator.NextNode()) != null)
        sb.Append(node.NodeValue);
    Console.WriteLine(sb.ToString());

    File.WriteAllText(@"NodeIterator.txt", sb.ToString());
}


//////  Represents a user filter created in order to ignore content of the 'style' and 'script' element.
///class StyleFilter : Aspose.Html.Dom.Traversal.Filters.NodeFilter
{
    public override short AcceptNode(Aspose.Html.Dom.Node n)
    {
        //If you want to avoid any element, write its name in capital letters
        return (n.ParentElement.TagName == "STYLE" || n.ParentElement.TagName == "SCRIPT" ? FILTER_REJECT : FILTER_ACCEPT);
    }
}

我們已經(jīng)學(xué)習(xí)了如何使用INodeIterator將HTML轉(zhuǎn)換為Text。同樣，還有其他幾種方法可以滿足這些要求。您可以創(chuàng)建自定義方法來提取文本，也可以按照以下步驟中的說明使用TextContent屬性：

1. 加載輸入的HTML文檔
2. 定義用戶定義的方法
3. 檢查每個NodeType以查看它是元素節(jié)點(diǎn)還是文本節(jié)點(diǎn)
4. 使用TextContent屬性獲取文本元素
5. 保存輸出TXT文件

下面的代碼段說明了在C＃中將HTML轉(zhuǎn)換為純文本的兩種不同方法：

String text = "";
String content = File.ReadAllText(dataDir + "Test2.html");
// Create an instance of HTML document
var document = new HTMLDocument(content, "");

// The second way of gathering text elements from document by using custom method
text = GetContent(document.Body);

File.WriteAllText("Test.txt", text);

// The third way of gathering text elements from document by using TextContent property
text = document.Body.TextContent;

File.WriteAllText("Test.txt", text);



static string GetContent(Aspose.Html.Dom.Node node)
{
    StringBuilder sb = new StringBuilder();
    foreach (var n in node.ChildNodes)
    {
        if (n.NodeType == Aspose.Html.Dom.Node.ELEMENT_NODE)
            sb.Append(GetContent(n));
        else if (n.NodeType == Aspose.Html.Dom.Node.TEXT_NODE)
            sb.Append(n.NodeValue);
    }
    return sb.ToString();
}

我們已經(jīng)介紹了脫機(jī)網(wǎng)頁HTML到文本的轉(zhuǎn)換，其中要求HTML文件通過將其下載到磁盤上而存在。讓我們更進(jìn)一步，您甚至不需要將HTML文件保存在磁盤上。您可以通過使用C＃將網(wǎng)頁的URL指定為URL直接轉(zhuǎn)換為TXT文件。例如，讓我們通過以下步驟將Aspose.HTML for .NET API的產(chǎn)品頁面轉(zhuǎn)換為TXT文件：

1. 初始化HTMLDocument對象并指定URL
2. 閱讀HTML格式的文本內(nèi)容
3. 使用從網(wǎng)頁中提取的文字寫入TXT文件

下面的代碼顯示了如何使用C＃將URL網(wǎng)頁HTML轉(zhuǎn)換為文本：

// Initialize HTMLDocument object with URL
HTMLDocument document = new HTMLDocument("http://products.aspose.com/html/net");
            
// Read the text contents of the HTML format
String text = document.Body.TextContent;
            
// Write the TXT file with extracted text
File.WriteAllText("Webpage.txt", text);