কীভাবে আপনি এইচটিএমএলকে সরল পাঠ্যে রূপান্তর করবেন?

Question 1

আমার এইচটিএমএলের স্নিপেটগুলি একটি টেবিলের মধ্যে সঞ্চিত আছে। পুরো পৃষ্ঠাগুলি নয়, কোনও ট্যাগ বা মত নয়, কেবলমাত্র প্রাথমিক বিন্যাস।

আমি এইচটিএমএলকে প্রদত্ত পৃষ্ঠায় কেবল পাঠ্য হিসাবে বিন্যাসকরণ হিসাবে প্রদর্শন করতে সক্ষম হতে চাই (আসলে প্রথম 30 - 50 অক্ষর তবে এটি সহজ বিট)।

আমি কীভাবে "এইচটিএমএল" এর মধ্যে "পাঠ্য "টিকে স্ট্রিংয়ে সরল পাঠ্য হিসাবে রাখতে পারি?

সুতরাং কোড এই টুকরা।

<b>Hello World.</b><br/><p><i>Is there anyone out there?</i><p>

হয়ে:

ওহে বিশ্ব. কেউ কি বাইরে আছে?

Question 2

আপনি যদি ট্যাগ স্ট্রিপিংয়ের কথা বলছেন তবে <script>ট্যাগগুলির মতো জিনিসগুলির জন্য আপনাকে যদি চিন্তা করতে না হয় তবে তুলনামূলকভাবে সরাসরি forward আপনার যদি যা করতে হয় তা হ'ল ট্যাগ ব্যতীত পাঠ্য প্রদর্শন করতে হলে আপনি নিয়মিত প্রকাশের মাধ্যমে তা সম্পাদন করতে পারেন:

<[^>]*>

আপনি যদি <script>ট্যাগ এবং এর মতো বিষয়ে চিন্তা করতে চান তবে আপনার নিয়মিত প্রকাশের জন্য আরও কিছুটা শক্তিশালী কিছু প্রয়োজন কারণ আপনাকে রাষ্ট্রকে ট্র্যাক করতে হবে, যা আরও একটি প্রসঙ্গে নিখরচায় গ্রামার (সিএফজি) এর মতো। ভেবেছিলেন আপনি এটি 'বাম থেকে ডানে' বা অ-লোভী মিলের সাথে সম্পাদন করতে সক্ষম হতে পারেন।

আপনি যদি নিয়মিত এক্সপ্রেশন ব্যবহার করতে পারেন তবে সেখানে ভাল তথ্যের সাথে অনেকগুলি ওয়েব পৃষ্ঠা রয়েছে:

আপনার যদি কোনও সিএফজির আরও জটিল আচরণের প্রয়োজন হয় তবে আমি তৃতীয় পক্ষের সরঞ্জামটি ব্যবহার করার পরামর্শ দেব, দুর্ভাগ্যক্রমে আমি কোনও ভাল প্রস্তাব দেওয়ার জন্য জানি না।

Question 3

ফ্রি এবং ওপেন সোর্স HtmlAgilityPack হয়েছে তার নমুনা এক একটি পদ্ধতি যে প্লেন টেক্সটে HTML থেকে পরিবর্তন করে।

var plainText = HtmlUtilities.ConvertToPlainText(string html);

এটি একটি এইচটিএমএল স্ট্রিং মত খাওয়ান

<b>hello, <i>world!</i></b>

এবং আপনি যেমন একটি সরল পাঠ্য ফলাফল পাবেন:

hello world!

Question 4

আমি এইচটিএমএলএগিলিটিপ্যাকটি ব্যবহার করতে পারিনি, তাই আমি নিজের জন্য দ্বিতীয় সেরা সমাধানটি লিখেছি

private static string HtmlToPlainText(string html)
{
    const string tagWhiteSpace = @"(>|$)(\W|\n|\r)+<";//matches one or more (white space or line breaks) between '>' and '<'
    const string stripFormatting = @"<[^>]*(>|$)";//match any character between '<' and '>', even when end tag is missing
    const string lineBreak = @"<(br|BR)\s{0,1}\/{0,1}>";//matches: <br>,<br/>,<br />,<BR>,<BR/>,<BR />
    var lineBreakRegex = new Regex(lineBreak, RegexOptions.Multiline);
    var stripFormattingRegex = new Regex(stripFormatting, RegexOptions.Multiline);
    var tagWhiteSpaceRegex = new Regex(tagWhiteSpace, RegexOptions.Multiline);

    var text = html;
    //Decode html specific characters
    text = System.Net.WebUtility.HtmlDecode(text); 
    //Remove tag whitespace/line breaks
    text = tagWhiteSpaceRegex.Replace(text, "><");
    //Replace <br /> with line breaks
    text = lineBreakRegex.Replace(text, Environment.NewLine);
    //Strip formatting
    text = stripFormattingRegex.Replace(text, string.Empty);

    return text;
}

Question 5

HTTPUtility.HTMLEncode()মানে এনকোডিং এইচটিএমএল ট্যাগগুলি স্ট্রিং হিসাবে পরিচালনা করা। এটি আপনার জন্য সমস্ত ভারী উত্তোলনের যত্ন নেয়। থেকে MSDN ডকুমেন্টেশন :

ফাঁকা এবং বিরামচিহ্নের মতো অক্ষরগুলি যদি কোনও এইচটিটিপি প্রবাহে পাস করা হয় তবে এগুলি প্রাপ্তির শেষে ভুল ব্যাখ্যা করা যেতে পারে। এইচটিএমএল এনকোডিং এমন অক্ষরকে রূপান্তর করে যা এইচটিএমএলকে অক্ষর-সত্তা সমতুল্যে রূপান্তরিত হয় না; এইচটিএমএল ডিকোডিং এনকোডিংকে বিপরীত করে। উদাহরণস্বরূপ, পাঠ্যের একটি ব্লকে এম্বেড করার সময়, অক্ষর <এবং >, এইচটিটিপি সংক্রমণ হিসাবে <এবং এনকোড করা হয় >।

HTTPUtility.HTMLEncode()পদ্ধতি, এখানে বিস্তারিত :

public static void HtmlEncode(
  string s,
  TextWriter output
)

ব্যবহার:

String TestString = "This is a <Test String>.";
StringWriter writer = new StringWriter();
Server.HtmlEncode(TestString, writer);
String EncodedString = writer.ToString();

Question 6

ভিফিলবির উত্তরে যুক্ত করতে, আপনি কেবল নিজের কোডের মধ্যে একটি রেজিএক্স প্রতিস্থাপন করতে পারেন; কোন নতুন ক্লাস প্রয়োজন। যদি আমার মতো অন্যান্য নবজাতকরা এই প্রশ্নটিতে পদস্খলন করে।

using System.Text.RegularExpressions;

তারপরে ...

private string StripHtml(string source)
{
        string output;

        //get rid of HTML tags
        output = Regex.Replace(source, "<[^>]*>", string.Empty);

        //get rid of multiple blank lines
        output = Regex.Replace(output, @"^\s*$\n", string.Empty, RegexOptions.Multiline);

        return output;
}

Question 7

এইচটিএমএলকে সাধারণ পাঠ্যে রূপান্তর করার জন্য তিন ধাপ প্রক্রিয়া

প্রথমে আপনাকে এইচটিএমএলএজিলিটিপ্যাকের জন্য নুগেট প্যাকেজ ইনস্টল করতে হবে দ্বিতীয় এই ক্লাসটি তৈরি করুন

public class HtmlToText
{
    public HtmlToText()
    {
    }

    public string Convert(string path)
    {
        HtmlDocument doc = new HtmlDocument();
        doc.Load(path);

        StringWriter sw = new StringWriter();
        ConvertTo(doc.DocumentNode, sw);
        sw.Flush();
        return sw.ToString();
    }

    public string ConvertHtml(string html)
    {
        HtmlDocument doc = new HtmlDocument();
        doc.LoadHtml(html);

        StringWriter sw = new StringWriter();
        ConvertTo(doc.DocumentNode, sw);
        sw.Flush();
        return sw.ToString();
    }

    private void ConvertContentTo(HtmlNode node, TextWriter outText)
    {
        foreach(HtmlNode subnode in node.ChildNodes)
        {
            ConvertTo(subnode, outText);
        }
    }

    public void ConvertTo(HtmlNode node, TextWriter outText)
    {
        string html;
        switch(node.NodeType)
        {
            case HtmlNodeType.Comment:
                // don't output comments
                break;

            case HtmlNodeType.Document:
                ConvertContentTo(node, outText);
                break;

            case HtmlNodeType.Text:
                // script and style must not be output
                string parentName = node.ParentNode.Name;
                if ((parentName == "script") || (parentName == "style"))
                    break;

                // get text
                html = ((HtmlTextNode)node).Text;

                // is it in fact a special closing node output as text?
                if (HtmlNode.IsOverlappedClosingElement(html))
                    break;

                // check the text is meaningful and not a bunch of whitespaces
                if (html.Trim().Length > 0)
                {
                    outText.Write(HtmlEntity.DeEntitize(html));
                }
                break;

            case HtmlNodeType.Element:
                switch(node.Name)
                {
                    case "p":
                        // treat paragraphs as crlf
                        outText.Write("\r\n");
                        break;
                }

                if (node.HasChildNodes)
                {
                    ConvertContentTo(node, outText);
                }
                break;
        }
    }
}

যিহূদা হিমনগোর উত্তরের রেফারেন্স সহ উপরের শ্রেণীটি ব্যবহার করে

তৃতীয় আপনার উপরের শ্রেণীর অবজেক্ট তৈরি করতে হবে এবং ConvertHtml(HTMLContent)এইচটিএমএলকে পরিবর্তে পরিবর্তিত করার জন্য পদ্ধতিটি ব্যবহার করুনConvertToPlainText(string html);

HtmlToText htt=new HtmlToText();
var plainText = htt.ConvertHtml(HTMLContent);

Question 8

এটির সীমাবদ্ধতা রয়েছে যে দীর্ঘ ইনলাইন হোয়াইটস্পেসকে ভেঙে ফেলছে না তবে এটি অবশ্যই বহনযোগ্য এবং ওয়েব ব্রাউজারের মতো লেআউটকে সম্মান করে।

static string HtmlToPlainText(string html) {
  string buf;
  string block = "address|article|aside|blockquote|canvas|dd|div|dl|dt|" +
    "fieldset|figcaption|figure|footer|form|h\\d|header|hr|li|main|nav|" +
    "noscript|ol|output|p|pre|section|table|tfoot|ul|video";

  string patNestedBlock = $"(\\s*?</?({block})[^>]*?>)+\\s*";
  buf = Regex.Replace(html, patNestedBlock, "\n", RegexOptions.IgnoreCase);

  // Replace br tag to newline.
  buf = Regex.Replace(buf, @"<(br)[^>]*>", "\n", RegexOptions.IgnoreCase);

  // (Optional) remove styles and scripts.
  buf = Regex.Replace(buf, @"<(script|style)[^>]*?>.*?</\1>", "", RegexOptions.Singleline);

  // Remove all tags.
  buf = Regex.Replace(buf, @"<[^>]*(>|$)", "", RegexOptions.Multiline);

  // Replace HTML entities.
  buf = WebUtility.HtmlDecode(buf);
  return buf;
}

Question 9

আমি মনে করি সহজ উপায় হ'ল 'স্ট্রিং' এক্সটেনশন পদ্ধতি তৈরি করা (ব্যবহারকারী রিচার্ডের পরামর্শ অনুসারে):

using System;
using System.Text.RegularExpressions;

public static class StringHelpers
{
    public static string StripHTML(this string HTMLText)
        {
            var reg = new Regex("<[^>]+>", RegexOptions.IgnoreCase);
            return reg.Replace(HTMLText, "");
        }
}

তারপরে আপনার প্রোগ্রামে যে কোনও 'স্ট্রিং' ভেরিয়েবলের জন্য কেবল এই এক্সটেনশন পদ্ধতিটি ব্যবহার করুন:

var yourHtmlString = "<div class=\"someclass\"><h2>yourHtmlText</h2></span>";
var yourTextString = yourHtmlString.StripHTML();

আমি এই এক্সটেনশন পদ্ধতিটি এইচটিএমএল ফর্ম্যাট করা মন্তব্যগুলিকে সরল পাঠ্যে রূপান্তর করতে ব্যবহার করি যাতে এটি কোনও স্ফটিক প্রতিবেদনে সঠিকভাবে প্রদর্শিত হবে এবং এটি নিখুঁতভাবে কাজ করে!

Question 10

এইচটিএমএলিলিটিপ্যাকটিতে 'কনভার্টটোপ্লেইন টেক্সট' নামের কোনও পদ্ধতি নেই তবে আপনি এইচটিএমএল স্ট্রিংকে ক্লিয়ার স্ট্রিংয়ে রূপান্তর করতে পারেন:

HtmlDocument doc = new HtmlDocument();
doc.LoadHtml(htmlString);
var textString = doc.DocumentNode.InnerText;
Regex.Replace(textString , @"<(.|n)*?>", string.Empty).Replace("&nbsp", "");

আমার জন্য কাজ করে। তবে আমি 'এইচটিএমএলিলিটিপ্যাক'-এ' কনভার্টটোপ্লেইন টেক্সট 'নামের সাথে একটি উপায় খুঁজে পাচ্ছি না।

Question 11

যদি আপনার এমন ডেটা থাকে যাতে এইচটিএমএল ট্যাগ রয়েছে এবং আপনি এটি প্রদর্শন করতে চান যাতে কোনও ব্যক্তি ট্যাগগুলি দেখতে পারে, এইচটিপিএস সার্ভার ইউটিলিটি :: এইচটিএমএলএনকোড ব্যবহার করুন।

আপনার যদি এমন ডেটা থাকে যাতে এতে HTML টি ট্যাগ থাকে এবং আপনি ব্যবহারকারীরা ট্যাগ হওয়া ট্যাগগুলি দেখতে চান, তবে পাঠ্যটি যেমন হয় তেমন প্রদর্শন করুন। যদি পাঠ্যটি একটি সম্পূর্ণ ওয়েব পৃষ্ঠার প্রতিনিধিত্ব করে তবে এর জন্য একটি আইফ্রেম ব্যবহার করুন।

আপনার যদি এইচটিএমএল ট্যাগ রয়েছে এমন ডেটা থাকে এবং আপনি ট্যাগগুলি বের করে দিতে চান এবং কেবল বিনা বিন্যাসে পাঠ্য প্রদর্শন করতে চান তবে একটি নিয়মিত অভিব্যক্তি ব্যবহার করুন।

Question 12

সবচেয়ে সহজ উপায় আমি খুঁজে পেয়েছি:

HtmlFilter.ConvertToPlainText(html);

এইচটিএমএল ফিল্টার ক্লাসটি মাইক্রোসফ্টে অবস্থিত e টিমফাউন্ডেশন ation ওয়ার্ক আইটেম ট্র্যাকিং C কন্ট্রোল.ডিল

Dll এর মতো ফোল্ডারে পাওয়া যাবে:% প্রোগ্রাম ফাইল%% কমন ফাইলস \ মাইক্রোসফ্ট শেয়ার করেছেন \ টিম ফাউন্ডেশন সার্ভার

ভিএস ২০১৫-তে, ডেলটির একই ফোল্ডারে অবস্থিত মাইক্রোসফ্ট.টিমফাউন্ডেশন.ওয়ার্কআইটিটিট্র্যাকিং.কমন.ডিলেরও রেফারেন্স দরকার।

Question 13

আমি অনুরূপ সমস্যার মুখোমুখি হয়েছি এবং এর সেরা সমাধান খুঁজে পেয়েছি। নীচের কোডটি আমার জন্য নিখুঁত কাজ করে।

  private string ConvertHtml_Totext(string source)
    {
     try
      {
      string result;

    // Remove HTML Development formatting
    // Replace line breaks with space
    // because browsers inserts space
    result = source.Replace("\r", " ");
    // Replace line breaks with space
    // because browsers inserts space
    result = result.Replace("\n", " ");
    // Remove step-formatting
    result = result.Replace("\t", string.Empty);
    // Remove repeating spaces because browsers ignore them
    result = System.Text.RegularExpressions.Regex.Replace(result,
                                                          @"( )+", " ");

    // Remove the header (prepare first by clearing attributes)
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"<( )*head([^>])*>","<head>",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"(<( )*(/)( )*head( )*>)","</head>",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             "(<head>).*(</head>)",string.Empty,
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);

    // remove all scripts (prepare first by clearing attributes)
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"<( )*script([^>])*>","<script>",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"(<( )*(/)( )*script( )*>)","</script>",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    //result = System.Text.RegularExpressions.Regex.Replace(result,
    //         @"(<script>)([^(<script>\.</script>)])*(</script>)",
    //         string.Empty,
    //         System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"(<script>).*(</script>)",string.Empty,
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);

    // remove all styles (prepare first by clearing attributes)
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"<( )*style([^>])*>","<style>",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"(<( )*(/)( )*style( )*>)","</style>",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             "(<style>).*(</style>)",string.Empty,
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);

    // insert tabs in spaces of <td> tags
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"<( )*td([^>])*>","\t",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);

    // insert line breaks in places of <BR> and <LI> tags
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"<( )*br( )*>","\r",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"<( )*li( )*>","\r",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);

    // insert line paragraphs (double line breaks) in place
    // if <P>, <DIV> and <TR> tags
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"<( )*div([^>])*>","\r\r",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"<( )*tr([^>])*>","\r\r",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"<( )*p([^>])*>","\r\r",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);

    // Remove remaining tags like <a>, links, images,
    // comments etc - anything that's enclosed inside < >
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"<[^>]*>",string.Empty,
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);

    // replace special characters:
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @" "," ",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);

    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"&bull;"," * ",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"&lsaquo;","<",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"&rsaquo;",">",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"&trade;","(tm)",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"&frasl;","/",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"&lt;","<",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"&gt;",">",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"&copy;","(c)",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"&reg;","(r)",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    // Remove all others. More can be added, see
    // http://hotwired.lycos.com/webmonkey/reference/special_characters/
    result = System.Text.RegularExpressions.Regex.Replace(result,
             @"&(.{2,6});", string.Empty,
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);

    // for testing
    //System.Text.RegularExpressions.Regex.Replace(result,
    //       this.txtRegex.Text,string.Empty,
    //       System.Text.RegularExpressions.RegexOptions.IgnoreCase);

    // make line breaking consistent
    result = result.Replace("\n", "\r");

    // Remove extra line breaks and tabs:
    // replace over 2 breaks with 2 and over 4 tabs with 4.
    // Prepare first to remove any whitespaces in between
    // the escaped characters and remove redundant tabs in between line breaks
    result = System.Text.RegularExpressions.Regex.Replace(result,
             "(\r)( )+(\r)","\r\r",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             "(\t)( )+(\t)","\t\t",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             "(\t)( )+(\r)","\t\r",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    result = System.Text.RegularExpressions.Regex.Replace(result,
             "(\r)( )+(\t)","\r\t",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    // Remove redundant tabs
    result = System.Text.RegularExpressions.Regex.Replace(result,
             "(\r)(\t)+(\r)","\r\r",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    // Remove multiple tabs following a line break with just one tab
    result = System.Text.RegularExpressions.Regex.Replace(result,
             "(\r)(\t)+","\r\t",
             System.Text.RegularExpressions.RegexOptions.IgnoreCase);
    // Initial replacement target string for line breaks
    string breaks = "\r\r\r";
    // Initial replacement target string for tabs
    string tabs = "\t\t\t\t\t";
    for (int index=0; index<result.Length; index++)
    {
        result = result.Replace(breaks, "\r\r");
        result = result.Replace(tabs, "\t\t\t\t");
        breaks = breaks + "\r";
        tabs = tabs + "\t";
    }

    // That's it.
    return result;
}
catch
{
    MessageBox.Show("Error");
    return source;
}

}

Escape n এবং \ r এর মতো পালানোর অক্ষরগুলিকে প্রথমে সরিয়ে ফেলতে হয়েছিল কারণ তারা পুনর্বিবেচনাগুলি প্রত্যাশা অনুযায়ী কাজ করা বন্ধ করে দেয়।

তদ্ব্যতীত, পাঠ্যবক্সে ফলাফলের স্ট্রিং ডিসপ্লেটি সঠিকভাবে তৈরি করার জন্য, কোনওটিকে এটিকে বিভক্ত করতে হবে এবং পাঠ্য সংস্থাকে বরাদ্দ না করে পাঠ্যবক্সের লাইন সম্পত্তি সেট করতে হবে।

this।

উত্স: https://www.codeproject.com/Articles/11902/ কনভার্ট- এইচটিএমএল- টু -প্লেইন- পাঠ্য 2-2

Question 14

আপনি "এইচটিএমএল" বলতে যা বোঝায় তার উপর নির্ভর করে। সবচেয়ে জটিল কেসটি সম্পূর্ণ ওয়েব পৃষ্ঠাগুলি হবে। এটি হ্যান্ডেল করাও সহজ, যেহেতু আপনি একটি পাঠ্য-মোড ওয়েব ব্রাউজার ব্যবহার করতে পারেন। পাঠ্য মোড ব্রাউজার সহ উইকিপিডিয়া নিবন্ধ তালিকা ওয়েব ব্রাউজারগুলি দেখুন । লিঙ্কস সম্ভবত সবচেয়ে পরিচিত, তবে অন্যগুলির মধ্যে একটি আপনার প্রয়োজনের জন্য ভাল হতে পারে।

Question 15

এখানে আমার সমাধান:

public string StripHTML(string html)
{
    var regex = new Regex("<[^>]+>", RegexOptions.IgnoreCase);
    return System.Web.HttpUtility.HtmlDecode((regex.Replace(html, "")));
}

উদাহরণ:

StripHTML("<p class='test' style='color:red;'>Here is my solution:</p>");
// output -> Here is my solution:

Question 16

আমার একই প্রশ্ন ছিল, কেবল আমার এইচটিএমএলটিতে একটি সাধারণ পূর্ব-পরিচিত লেআউট ছিল, যেমন:

<DIV><P>abc</P><P>def</P></DIV>

সুতরাং আমি এই জাতীয় সহজ কোড ব্যবহার করে শেষ করেছি:

string.Join (Environment.NewLine, XDocument.Parse (html).Root.Elements ().Select (el => el.Value))

কোন ফলাফল:

abc
def

Question 17

লিখেনি তবে ব্যবহার করে:

using HtmlAgilityPack;
using System;
using System.IO;
using System.Text.RegularExpressions;

namespace foo {
  //small but important modification to class https://github.com/zzzprojects/html-agility-pack/blob/master/src/Samples/Html2Txt/HtmlConvert.cs
  public static class HtmlToText {

    public static string Convert(string path) {
      HtmlDocument doc = new HtmlDocument();
      doc.Load(path);
      return ConvertDoc(doc);
    }

    public static string ConvertHtml(string html) {
      HtmlDocument doc = new HtmlDocument();
      doc.LoadHtml(html);
      return ConvertDoc(doc);
    }

    public static string ConvertDoc(HtmlDocument doc) {
      using (StringWriter sw = new StringWriter()) {
        ConvertTo(doc.DocumentNode, sw);
        sw.Flush();
        return sw.ToString();
      }
    }

    internal static void ConvertContentTo(HtmlNode node, TextWriter outText, PreceedingDomTextInfo textInfo) {
      foreach (HtmlNode subnode in node.ChildNodes) {
        ConvertTo(subnode, outText, textInfo);
      }
    }
    public static void ConvertTo(HtmlNode node, TextWriter outText) {
      ConvertTo(node, outText, new PreceedingDomTextInfo(false));
    }
    internal static void ConvertTo(HtmlNode node, TextWriter outText, PreceedingDomTextInfo textInfo) {
      string html;
      switch (node.NodeType) {
        case HtmlNodeType.Comment:
          // don't output comments
          break;
        case HtmlNodeType.Document:
          ConvertContentTo(node, outText, textInfo);
          break;
        case HtmlNodeType.Text:
          // script and style must not be output
          string parentName = node.ParentNode.Name;
          if ((parentName == "script") || (parentName == "style")) {
            break;
          }
          // get text
          html = ((HtmlTextNode)node).Text;
          // is it in fact a special closing node output as text?
          if (HtmlNode.IsOverlappedClosingElement(html)) {
            break;
          }
          // check the text is meaningful and not a bunch of whitespaces
          if (html.Length == 0) {
            break;
          }
          if (!textInfo.WritePrecedingWhiteSpace || textInfo.LastCharWasSpace) {
            html = html.TrimStart();
            if (html.Length == 0) { break; }
            textInfo.IsFirstTextOfDocWritten.Value = textInfo.WritePrecedingWhiteSpace = true;
          }
          outText.Write(HtmlEntity.DeEntitize(Regex.Replace(html.TrimEnd(), @"\s{2,}", " ")));
          if (textInfo.LastCharWasSpace = char.IsWhiteSpace(html[html.Length - 1])) {
            outText.Write(' ');
          }
          break;
        case HtmlNodeType.Element:
          string endElementString = null;
          bool isInline;
          bool skip = false;
          int listIndex = 0;
          switch (node.Name) {
            case "nav":
              skip = true;
              isInline = false;
              break;
            case "body":
            case "section":
            case "article":
            case "aside":
            case "h1":
            case "h2":
            case "header":
            case "footer":
            case "address":
            case "main":
            case "div":
            case "p": // stylistic - adjust as you tend to use
              if (textInfo.IsFirstTextOfDocWritten) {
                outText.Write("\r\n");
              }
              endElementString = "\r\n";
              isInline = false;
              break;
            case "br":
              outText.Write("\r\n");
              skip = true;
              textInfo.WritePrecedingWhiteSpace = false;
              isInline = true;
              break;
            case "a":
              if (node.Attributes.Contains("href")) {
                string href = node.Attributes["href"].Value.Trim();
                if (node.InnerText.IndexOf(href, StringComparison.InvariantCultureIgnoreCase) == -1) {
                  endElementString = "<" + href + ">";
                }
              }
              isInline = true;
              break;
            case "li":
              if (textInfo.ListIndex > 0) {
                outText.Write("\r\n{0}.\t", textInfo.ListIndex++);
              } else {
                outText.Write("\r\n*\t"); //using '*' as bullet char, with tab after, but whatever you want eg "\t->", if utf-8 0x2022
              }
              isInline = false;
              break;
            case "ol":
              listIndex = 1;
              goto case "ul";
            case "ul": //not handling nested lists any differently at this stage - that is getting close to rendering problems
              endElementString = "\r\n";
              isInline = false;
              break;
            case "img": //inline-block in reality
              if (node.Attributes.Contains("alt")) {
                outText.Write('[' + node.Attributes["alt"].Value);
                endElementString = "]";
              }
              if (node.Attributes.Contains("src")) {
                outText.Write('<' + node.Attributes["src"].Value + '>');
              }
              isInline = true;
              break;
            default:
              isInline = true;
              break;
          }
          if (!skip && node.HasChildNodes) {
            ConvertContentTo(node, outText, isInline ? textInfo : new PreceedingDomTextInfo(textInfo.IsFirstTextOfDocWritten) { ListIndex = listIndex });
          }
          if (endElementString != null) {
            outText.Write(endElementString);
          }
          break;
      }
    }
  }
  internal class PreceedingDomTextInfo {
    public PreceedingDomTextInfo(BoolWrapper isFirstTextOfDocWritten) {
      IsFirstTextOfDocWritten = isFirstTextOfDocWritten;
    }
    public bool WritePrecedingWhiteSpace { get; set; }
    public bool LastCharWasSpace { get; set; }
    public readonly BoolWrapper IsFirstTextOfDocWritten;
    public int ListIndex { get; set; }
  }
  internal class BoolWrapper {
    public BoolWrapper() { }
    public bool Value { get; set; }
    public static implicit operator bool(BoolWrapper boolWrapper) {
      return boolWrapper.Value;
    }
    public static implicit operator BoolWrapper(bool boolWrapper) {
      return new BoolWrapper { Value = boolWrapper };
    }
  }
}

Question 18

আমি মনে করি এটির একটি সহজ উত্তর আছে:

public string RemoveHTMLTags(string HTMLCode)
{
    string str=System.Text.RegularExpressions.Regex.Replace(HTMLCode, "<[^>]*>", "");
    return str;
}

Question 19

নিউলাইন এবং এইচটিএমএল ট্যাগ ছাড়াই প্রদত্ত এইচটিএমএল ডকুমেন্টের পাঠ্য সংক্ষেপণের জন্য ওপি প্রশ্নের সঠিক সমাধান খুঁজছেন এমন যে কেউ, নীচের সমাধানটি সন্ধান করুন।

প্রতিটি প্রস্তাবিত সমাধানের মতো, নীচের কোডটির সাথে কিছু অনুমান রয়েছে:

স্ক্রিপ্ট বা স্টাইল ট্যাগগুলিতে স্ক্রিপ্টের অংশ হিসাবে স্ক্রিপ্ট এবং স্টাইল ট্যাগগুলি থাকা উচিত নয়
কেবলমাত্র প্রধান ইনলাইন উপাদানগুলি স্থান ছাড়াই ইনলাইন করা হবে, অর্থাৎ he<span>ll</span>oআউটপুট হওয়া উচিত hello। ইনলাইন ট্যাগগুলির তালিকা: https://www.w3schools.com/htmL/html_blocks.asp

উপরের বিষয়টি বিবেচনা করে, সংকলিত নিয়মিত এক্সপ্রেশন সহ নিম্নলিখিত স্ট্রিং এক্সটেনশানটি html পালানো অক্ষর এবং নাল ইনপুটটিতে নাল সম্পর্কিত ক্ষেত্রে প্রত্যাশিত সরল পাঠ্য আউটপুট দেয়।

public static class StringExtensions
{
    public static string ConvertToPlain(this string html)
    {
        if (html == null)
        {
            return html;
        }

        html = scriptRegex.Replace(html, string.Empty);
        html = inlineTagRegex.Replace(html, string.Empty);
        html = tagRegex.Replace(html, " ");
        html = HttpUtility.HtmlDecode(html);
        html = multiWhitespaceRegex.Replace(html, " ");

        return html.Trim();
    }

    private static readonly Regex inlineTagRegex = new Regex("<\\/?(a|span|sub|sup|b|i|strong|small|big|em|label|q)[^>]*>", RegexOptions.Compiled | RegexOptions.Singleline);
    private static readonly Regex scriptRegex = new Regex("<(script|style)[^>]*?>.*?</\\1>", RegexOptions.Compiled | RegexOptions.Singleline);
    private static readonly Regex tagRegex = new Regex("<[^>]+>", RegexOptions.Compiled | RegexOptions.Singleline);
    private static readonly Regex multiWhitespaceRegex = new Regex("\\s+", RegexOptions.Compiled | RegexOptions.Singleline);
}

Question 20

পাবলিক স্ট্যাটিক স্ট্রিং স্ট্রিপট্যাগস 2 (স্ট্রিং এইচটিএমএল) {রিটার্ন এইচটিএমএল। ("<", "<") প্রতিস্থাপন করুন (">", ">"); }

এটির মাধ্যমে আপনি সমস্ত "<" এবং ">" একটি স্ট্রিংয়ে পালাতে পারেন। এই কমান্ডের সাহায্যে আপনি চান কি?