html中如何显示纯文本,从Html中取出纯文本

需求来源

从后台返回的数据是一个数组，每个数组元素是html字符串，可以显示在一个UIWebView中。

在显示这个html字符串的详情页面的上一级是一个列表，展示标题和内容简介。但是，后台返回的数据中并没有简介字段。

万能的交互和技术一商量，接口不改，让iOS和Android客户端从“html字符串”中抽出具体的内容，当成简介。列表就显示3行，多余的用...来表示。霸道而虚弱的后台，就算吐槽也没用。

方案一：NSAttributedString

项目最低支持iOS7，所以NSAttributedString可以使用，其中有一个option叫做NSHTMLTextDocumentType，就是专门用来从“html字符串”抽取纯文本的。iOS UILabel显示HTML文本

这种API比较难用，所以这里要记一下，希望苹果以后能提供好用一点的API

NSString *htmlString = @"

Some html string \n This is some text! ";

NSAttributedString *attrStr = [[NSAttributedString alloc] initWithData:[htmlString dataUsingEncoding:NSUnicodeStringEncoding] options:@{ NSDocumentTypeDocumentAttribute: NSHTMLTextDocumentType } documentAttributes:nil error:nil];

UILabel *myLabel = [[UILabel alloc] initWithFrame:self.view.bounds];

myLabel.attributedText = attrStr;

[self.view addSubview:myLabel];

从功能上来说，没有问题。不过，我们的应用场景是表格，而NSAttributedString是有比较严重的性能问题，表格会很卡，甚至还会崩溃。NSHTMLTextDocumentType is Slow

方案二：NSString+HTML

谷歌在很久之前就出过一个toolbox，里面有从“html字符串”抽取内容的函数。- (NSString *)gtm_stringByEscapingForHTML;就可以了。

实际用了一下，性能问题是解决了，不过有两个障碍需要解决：

这个库比较老，而且还是MRC的

大多数的html的标签是可以去掉的，但是还有残留，有些html标签去不掉，功能有问题，具体的原因，暂时还不清楚。

怎么解决

现在的工程是ARC的，引入MRC的源文件，会编译不过。所以要加编译选项，进行ARC和MRC的混编。对于需要MRC的源文件，添加-fno-objc-arc标记。Xcode中实现ARC和MRC混编

对于标签残留的问题，已经有人经过深入的研究，并且给出了解决方法- (NSString *)stringByConvertingHTMLToPlainText; 函数就可以了。

发现的坑

htmlUnescapes是一个全局的字典，通过键值对的方式将html的一些特殊标签替换为本地的表示方式。比如，将
替换为\n；但是这里却忘了将
替换为\n；

- (NSString *)stringByConvertingHTMLToPlainText;函数实现的扫描比对部分还是有问题的。比如输入是“abcd(abc), 1821”，结果变成了“abcd(abc), ”，数字“1821”被替换成了“”空字符。具体的原因和解决方法还没有找到。

这个第三方库的star数目有二百多，是在gitHub上输入HTML和Object-C关键字出现的star数目最多的一个。不过最后的更新还是在4年前，Goggle那个工具箱也是老掉牙了，还是MRC的。只是现在没有找到更好的，暂时还能用。

方案三：自己写

如果是将html中的<>标签全部去除，那么实现就相对简单，可以自己实现。<>标签没有嵌套，这是很重要的一个特性。将<>标签里的内容，包括<>本身都替换为空字符串“”就可以了。IOS去掉字符串中HTML标签的方法

- (NSString *)filterHTML:(NSString *)html {

NSScanner *scanner = [NSScanner scannerWithString:html];

NSString *text = nil;

while(![scanner isAtEnd]) {

//找到标签的起始位置

[scanner scanUpToString:@"

//找到标签的结束位置

[scanner scanUpToString:@">" intoString:&text];

//替换字符

html = [html stringByReplacingOccurrencesOfString:[NSString stringWithFormat:@"%@>",text] withString:@""];

}

return html;

}

如果需求复杂一点，比如
，
要保留，不能简单的去掉，而是要替换为\n那么实现就复杂一点了。估计要在上面的代码中加入额外的判断了

如果要考虑全html那些特殊标签，那么估计代码就更复杂一点了。上面用的第三方库，基本的思路也是这个，考虑得比较全面，代码比较多。