中国DOS联盟

-- 联合DOS 推动DOS 发展DOS --
联盟域名：www.cn-dos.net　论坛域名：www.cn-dos.net/forum

游客 | 登录 | 注册 | 会员 | 搜索 | 中国DOS联盟

中国DOS联盟论坛
现在时间是 2026-08-02 11:36

共 48,038 主题排行 / 350,123 发帖 / 今日 1 篇 / 48,251 会员排行

DOS批处理 & 脚本技术（批处理室） » 怎么只去除网页源文件中所有的html标签

可打印版本　2,678 / 11

第1楼　vkill	发表于 2006-11-13 01:58
金牌会员　发帖 1,744　积分 4,103　来自甘肃.临泽
怎么只去除网页源文件中所有的html标签我试了 sed "s/<\/.>//;s/<.>//" 可这样使用像<td><p align="left">分类列表: <a href="#1">\| 网络</a> \| <a href="#2">文件工作</a> \| <a href="#3">系统 </a> \| <a href="#4">服务器</a> \| <a href="#5">多媒体</a> \| <a href="#6">其他 \| </a></p></td>这类的就不可以我还试了 sed "s/\(.\)<\/.>/\1/;s/\(.\)<.>/\1/" 比上面的好点,可怎么让这重复执行,直到完全没有html标签或者有什么别的好工具?请教大家

第2楼　vkill	发表于 2006-11-13 02:10
金牌会员　发帖 1,744　积分 4,103　来自甘肃.临泽
目的是: 有时候，我们在数据库中存储的是一段段的HTML文本，但是取出来的时候，有时又不需要那些HTML标签，而只是需要纯文本，就像我们在页面上看到的文字一样，所以，就需要去掉那些HTML标签，只保留文本的内容 baidu搜索 String noHtmlContent = content.replaceAll("<>",""); 这句什么意思?是vbs吧! [ Last edited by vkill on 2006-11-13 at 02:12 AM* ]

第3楼　electronixtar	发表于 2006-11-13 05:29
铂金会员　发帖 2,672　积分 7,493
不要考虑偏了。例如 <script>alert('1')</script> ，页面不会显示alert('1')，但是用的用你的思路转换出来，会显示的。还有 HTML 转义字符怎么办？例如 hello DOS，又要考虑一大堆东西。所以还是用系统自带组件IE来转换的好。可以搜索 2txt 关键字，看看vbs版的 htm2txt

第4楼　3742668	发表于 2006-11-13 06:18
荣誉版主　发帖 718　积分 2,013
If WScript.Arguments.Count < 1 Then str = InputBox("输入源码:","提示") Else str = WScript.Arguments(0) End If Set oIE = CreateObject("InternetExplorer.Application") oIE.Navigate "about:blank" oIE.Document.write "<html><body></body></html>" oIE.Document.body.innerHTML = str WScript.Echo oIE.Document.body.innerText 无参数弹出对话框提示输入代码，有参数则自动转换，无临时文件，vbs版，可在bat中用cscript.exe //nologo调用。

第5楼　vkill	发表于 2006-11-15 01:26
金牌会员　发帖 1,744　积分 4,103　来自甘肃.临泽
谢谢楼上两位,不过我想用sed解决，因为有什么这些html标签对用sed提取一些网页中的东西还有用,可以说是木的是不完全去掉

第6楼　vkill	发表于 2006-11-15 01:34
金牌会员　发帖 1,744　积分 4,103　来自甘肃.临泽
还有就是我主要是想用正则表达式解决

第7楼　electronixtar	发表于 2006-11-15 04:51
铂金会员　发帖 2,672　积分 7,493
这样阿，可以搜索下 51js.com 上关于 HTML标签的正则

第8楼　vkill	发表于 2006-11-16 04:03
金牌会员　发帖 1,744　积分 4,103　来自甘肃.临泽
Originally posted by electronixtar at 2006-11-15 04:51: 这样阿，可以搜索下 51js.com 上关于 HTML标签的正则 51js.com 上怎么什么也没有?

第9楼　3742668	发表于 2006-11-16 13:44
荣誉版主　发帖 718　积分 2,013
试试: strFilter = "<+>" WScript.echo HtmlFilter(InputBox("输入字符串:"),strFilter) Function HtmlFilter(str,pattern) Set regEx = New RegExp With regEx .Global = True .IgnoreCase = True .Pattern = pattern HtmlFilter = .Replace(str,"") End With End Function vbs版的，也是正则表达式，不知道是否和你的要求相符。另外，还有一种vbs方案，对代码要求较高，不规范(xhtml规范)的代码无法得到正常结果: Set oXML = CreateObject("Microsoft.XMLDOM") With oXML .loadXML InputBox("请输入字符串:") WScript.Echo .text End With

第10楼　vkill	发表于 2006-11-17 01:45
金牌会员　发帖 1,744　积分 4,103　来自甘肃.临泽
我搜索到了一个 sed 's/<[^>]>//g' 因为sed在使用s命令的时候,是寻找最长的匹配,所以使用 sed 's/<.>//' 是不能得到想要的结果的.而使用上面的例子,总是寻找以"<"开头,以">"结尾的最短的匹配

第11楼　vkill	发表于 2006-11-17 01:46
金牌会员　发帖 1,744　积分 4,103　来自甘肃.临泽
3742668斑竹发的vbs看不懂，所以暂时先用sed

第12楼　hxuan999	发表于 2006-11-23 02:57
中级用户　发帖 161　积分 337
SED???

[ 联系联盟系统管理团队 - 中国DOS联盟 - 标准版 ]
Sponsored by ifanr Inc | © 2001–2023