ios - 从 iPhone 上的 NSString 中删除 HTML 标签

Question

有几种不同的方法可以从 Cocoa 中的 NSString 中删除 HTML 标记。

One way就是将字符串渲染成一个NSAttributedString，然后抓取渲染出来的文本。

Another way是使用 NSXMLDocument's -objectByApplyingXSLTString 方法来应用 XSLT 转换。

很遗憾，iPhone 不支持 NSAttributedString 或 NSXMLDocument。有太多的边缘情况和格式错误的 HTML 文档让我觉得使用 regex 或 NSScanner 很舒服。有没有人可以解决这个问题？

一个建议是简单地查找开始和结束标记字符，除了非常琐碎的情况外，这种方法将不起作用。

例如，这些案例(来自 Perl Cookbook 关于同一主题的章节)会破坏此方法:

<IMG SRC = "foo.gif" ALT = "A > B">

<!-- <A comment> -->

<script>if (a<b && a>c)</script>

<![INCLUDE CDATA [ >>>>>>>>>>>> ]]>

Answer 1

一种快速且“脏”(删除 < 和 > 之间的所有内容)的解决方案，适用于 iOS >= 3.2:

-(NSString *) stringByStrippingHTML {
  NSRange r;
  NSString *s = [[self copy] autorelease];
  while ((r = [s rangeOfString:@"<[^>]+>" options:NSRegularExpressionSearch]).location != NSNotFound)
    s = [s stringByReplacingCharactersInRange:r withString:@""];
  return s;
}

我已将其声明为 os NSString 类别。