背景
大多数关于从 HTML 中提取文本的 questions(即 stripping 标签)使用:
jQuery( htmlString ).text();
虽然这抽象了浏览器的不一致(例如 innerText
与 textContent
),但函数调用也忽略了 block 级元素的语义(例如 li
)。
问题
在各种浏览器中保留 block 级元素的换行符(即语义意图)需要付出不小的努力,如 Mike Wilcox describes 。
一个看似更简单的解决方案是模拟将 HTML 内容粘贴到 <textarea>
中,它在保留 block 级元素换行符的同时剥离 HTML。但是,当用户将内容粘贴到 <textarea>
时,基于 JavaScript 的插入不会触发浏览器使用的相同 HTML 到文本例程。
我还尝试集成 Mike Wilcox 的 JavaScript code 。该代码在 Chromium 中有效,但在 Firefox 中无效。
问题
使用 jQuery(或 block-level elements)从 HTML 中提取文本同时保留语义换行符的最简单的跨浏览器方法是什么?
例子
考虑:
- 选择并复制整个问题。
- 打开 vanilla JavaScript 。
- 将内容粘贴到文本区域。
textarea 保留有序列表、标题、预格式化文本等的换行符。这就是我想要达到的结果。
为了进一步说明,给定任何 HTML 内容,例如:
<h1>Header</h1>
<p>Paragraph</p>
<ul>
<li>First</li>
<li>Second</li>
</ul>
<dl>
<dt>Term</dt>
<dd>Definition</dd>
</dl>
<div>Div with <span>span</span>.<br />After the <a href="...">break</a>.</div>
你会如何生产:
Header Paragraph First Second Term Definition Div with span. After the break.
注意:缩进和非规范化空格都不相关。
最佳答案
考虑:
/**
* Returns the style for a node.
*
* @param n The node to check.
* @param p The property to retrieve (usually 'display').
* @link http://www.quirksmode.org/dom/getstyles.html
*/
this.getStyle = function( n, p ) {
return n.currentStyle ?
n.currentStyle[p] :
document.defaultView.getComputedStyle(n, null).getPropertyValue(p);
}
/**
* Converts HTML to text, preserving semantic newlines for block-level
* elements.
*
* @param node - The HTML node to perform text extraction.
*/
this.toText = function( node ) {
var result = '';
if( node.nodeType == document.TEXT_NODE ) {
// Replace repeated spaces, newlines, and tabs with a single space.
result = node.nodeValue.replace( /\s+/g, ' ' );
}
else {
for( var i = 0, j = node.childNodes.length; i < j; i++ ) {
result += _this.toText( node.childNodes[i] );
}
var d = _this.getStyle( node, 'display' );
if( d.match( /^block/ ) || d.match( /list/ ) || d.match( /row/ ) ||
node.tagName == 'BR' || node.tagName == 'HR' ) {
result += '\n';
}
}
return result;
}
也就是说,除了一两个异常(exception),遍历每个节点并打印其内容,让浏览器的计算样式告诉您何时插入换行符。
关于javascript - 从 HTML 中提取文本,同时保留 block 级元素换行符,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20365465/